B Aichi Thése Contribution À L Optimisation de La Commande Non Linéaire Des MAS

République Algérienne Démocratique et Populaire
Ministère de l’Enseignement Supérieur et de

la Recherche Scientifique
Université des Sciences et de la Technologie d’Oran
Mohamed-Boudiaf
Faculté de Génie Électrique

Département d’Électrotechnique
THÈSE
En vue de l’obtention du
Diplôme de Doctorat LMD en Électrotechnique
Spécialité : Électronique de puissance et systèmes électriques
Présentée par :
AICHI Bilel
Intitulée :
Contribution à l’optimisation de la commande non linéaire des

moteurs asynchrones triphasés : études et expérimentations
Thèse soutenue publiquement le 12/07/2021 devant le jury composé de :
Président : Benouzza Noureddine Professeur, USTO – MB
Directeur de thèse : Kendouci Khedidja Maître de conférences ‘A’, USTO – MB
Examinateurs : Bendjebbar Mokhtar Professeur, USTO – MB

Hartani Kada Professeur, Université de Saida
Miloud Yahia Professeur, Université de Saida
-i-
Avant-propos
En étant des membres de l’équipe de recherche "Contrôle", le travail présenté dans cette thèse a
été réalisé au sein du Laboratoire de Développement des Entraînements Électriques (LDEE), du
département d’électrotechnique de l’Université des Sciences et de la Technologie d’Oran Mohamed-
Boudiaf (USTO-MB). L’idée de ce projet s’est inspirée en 2016 grâce à la réalisation de notre mémoire
de Master Commande des Systèmes à Entraînements Électriques (CSEE). Par la suite, nous l’avons
développée dans un cadre plus large et complexe qui est cette thèse de doctorat. Notre objectif
principal est de contribuer au développement des techniques de commande et d’observation de
hautes performances pour un contrôle optimal des moteurs asynchrones triphasés.
Permettez-moi tout d’abord, d’adresser mes sincères remerciements ainsi que mon plus grand
respect à Madame KENDOUCI Khedidja, maitre de conférences "A" à USTO-MB ; une encadrante
qui m’a chaleureusement accueilli et m’a intégré dans son équipe de recherche. Elle m’a
constamment soutenu et a toujours été disponible pour moi. Ses précieux conseils ne m’ont jamais
quitté, sans oublier la confiance qu’elle m’a faite durant des années de travail. Je tiens également à
remercier Monsieur BOURAHLA Mohamed, ex-professeur à USTO-MB, de m’avoir donné
l’opportunité d’être affilié au Laboratoire d’Electronique de Puissance Appliquée (LAPE), ainsi que
pour sa collaboration considérable dans la réalisation de ce projet.
De même, j’exprime ma reconnaissance envers Monsieur BENOUZZA Noureddine, professeur à
USTO-MB, de nous avoir honoré en examinant minutieusement ce travail et d’être président de
notre jury de cette thèse. Je remercie également chers membres de jury, Professeur BENDJEBBAR
Mokhtar de USTO-MB, Professeurs HARTANI Kada et MILOUD Yahia de l’université de
Saida Dr. Moulay Tahar, qui nous ont honorés en acceptant de juger cette thèse et d’y mettre un
rapport détaillé, ainsi que pour toute observation judicieuse qui a nettement amélioré la qualité de
ce mémoire. Je profite de l’occasion pour remercier tout particulièrement Monsieur BENDJEBBAR
Mokhtar, avec qui j’ai travaillé sur de différents projets qui m’ont permis d’acquérir une expérience
supplémentaire et d’apprendre davantage sur le plan pratique.
Je me permets ainsi, de remercier infiniment et d’exprimer une profonde gratitude envers
Messieurs AICHI Ahmed et LAHMER Mohammed, d’avoir pris la peine de relire nos différents
manuscrits et d’y apporter une touche purement linguistique, en corrigeant et améliorant
la rédaction. Sans oublier notre cher professeur MAZARI Benyounes « ‫ » رﺣﻤﺔ ﷲ ﻋﻠﯿﮫ‬qui a contribué
de manière significative à la publication de nos articles. Travailler avec lui nous a permis d’être à
la hauteur des exigences des revues scientifiques internationales.
Je tiens à remercier toute ma famille pour le grand soutien moral inconditionnel dont ils ont fait
preuve depuis que notre projet s’est lancé ; une famille formidable que grâce à elle je suis devant
vous aujourd’hui. En outre, il y a tellement de personnes qui m’ont aidé à arriver à ce stade, et qui
ont participé de près ou de loin à la réalisation de ce travail, je voudrais exprimer ma reconnaissance
envers elles.
AICHI Bilel,
Email : Aichi-Bilel@hotmail.com / bilel.aichi@univ-usto.dz
Unité de recherche Contrôle, Laboratoire de Développement des Entraînements
Électriques (LDEE), N°8113, Département d’électrotechnique, Université des
Sciences et de la Technologie d’Oran Mohamed-Boudiaf (USTO-MB),
El-Mnaouar, BP 1505, Bir El Djir 31000, Oran, Algérie.
-I-
Contribution à l’optimisation de la commande non linéaire des
moteurs asynchrones triphasés : études et expérimentations
Résumé : Le travail présenté dans cette thèse vise à apporter une contribution à la commande non linéaire des
moteurs asynchrones triphasés avec et sans capteur mécanique. De ce fait, plusieurs techniques ont été
développées et vérifiées soit par simulation, soit par une validation expérimentale sur un banc d’essai équipé
d’une carte dSPACE-RTI-1104. La commande vectorielle indirecte avec orientation du flux rotorique a été
adoptée comme structure de base pour la régulation de la vitesse et du courant. L’optimisation du contrôle
global sera assurée en utilisant deux variantes des stratégies de commande. La première s’agit du contrôle
hybride permettant la combinaison de plusieurs régulateurs en même temps par l’intermédiaire d’un
superviseur de régulation. Alors que la deuxième stratégie représente une version avancée du contrôle
Backstepping avec action intégrale, la propriété des gains variables a été incorporée dans les différents
régulateurs non linéaires afin d’assurer un contrôle optimal du moteur même pour des vitesses très faibles.
Dans une deuxième partie aussi importante que la première, l’observation de la vitesse et l’estimation des
différentes grandeurs inaccessibles de la machine ont constitué un objectif majeur de ce mémoire.
Un observateur linéaire interconnecté a été développé pour assurer une estimation simultanée des différentes
résistances des enroulements. Tandis que la commande sans capteur a été réalisée à travers plusieurs
approches déterministes et stochastiques comme l’observateur adaptatif flou, les observateurs basés sur la
théorie du mode glissant, et l’estimation via le filtre de Kalman étendu. Suite à un examen approfondi des
performances générées par le contrôle sans capteur en boucle fermée, une étude comparative permettra
d’évaluer les avantages et les inconvénients de chaque technique étudiée.
Mots clés : moteur asynchrone, commande non linéaire, contrôle par mode glissant, commande hybride,
Backstepping à gains variables, observateur adaptatif flou, observateur mode glissant, filtre de Kalman.
: ‫اﳌﺴﺎهﻤﺔ �� ﺗﺤﺴ�ن اﻟﺘﺤﻜﻢ اﻟﻐ��ا�خﻄﻲ ﻟﻠﻤﺤﺮ�ﺎت اﻟﻐ��ﻣ��اﻣﻨﺔ ﺛﻼﺛﻴﺔ اﻟﻄﻮر‬

‫دراﺳﺎت وﺗﺠﺎرب ﺗﻄﺒﻴﻘﻴﺔ‬
‫ ��ﺪف اﻟﻌﻤﻞ اﳌﻘﺪم �� هﺬﻩ اﻷﻃﺮوﺣﺔ إ�� اﳌﺴﺎهﻤﺔ �� اﻟﺘﺤﻜﻢ اﻟﻐ�� ﺧﻄﻲ ﻟﻠﻤﺤﺮ�ﺎت اﻟﻐ�� ﻣ��اﻣﻨﺔ ﺛﻼﺛﻴﺔ اﻟﻄﻮر �� ﻇﻞ وﺟﻮد أو‬: ‫ﻣ�خﺺ‬
‫ ﺗﻢ ﺗﻄﻮ�ﺮ اﻟﻌﺪﻳﺪ ﻣﻦ اﻟﺘﻘﻨﻴﺎت واﻟﺘﺤﻘﻖ ﻣ��ﺎ ّإﻣﺎ ﻋﻦ ﻃﺮ�ﻖ ا�حﺎ�ﺎة أو ﻋﻦ ﻃﺮ�ﻖ اﻟﺘﺠﺮ�ﺔ‬،‫ ﻣﻦ أﺟﻞ ذﻟﻚ‬.‫ﻏﻴﺎب اﳌﺴتﺸﻌﺮ اﳌﻴ�ﺎﻧﻴ�ﻲ‬
ُ َ ‫اﻟﺘﻄﺒﻴﻘﻴﺔ ﻋ�� ﻣﻨﺼﺔ ِاﺧﺘﺒﺎر‬
ّ .dSPACE-RTI-1104 ‫ﻣﺠ َهﺰة ﺑﺒﻄﺎﻗﺔ‬
‫ﺗﻢ اﻋﺘﻤﺎد اﻟﺘﺤﻜﻢ اﻟﺸﻌﺎ�� اﻟﻐ�� ﻣﺒﺎﺷﺮ ﺑﺘﻮﺟﻴﮫ اﻟﺘﺪﻓﻖ اﳌﻐﻨﺎﻃي��ي‬
‫ �� ﺣ�ن أﻧﮫ ﺳيﺘﻢ ﺗﺤﺴ�ن اﻟﺘﺤﻜﻢ �ﺸ�ﻞ ﻋﺎم ﻋﻦ ﻃﺮ�ﻖ‬،‫اﻟﺪ ّوار ﻛﺘﻘﻨﻴﺔ أﺳﺎﺳﻴﺔ ﻟﻠﺘﺤﻜﻢ �� ﺳﺮﻋﺔ اﻟﺪوران وﺗﻨﻈﻴﻢ اﻟﺘﻴﺎر اﻟﻜهﺮ�ﺎئﻲ‬ َ ‫ﻟ�جﺰء‬
ْ ‫ ﻳﺘﻤﺜﻞ اﻟﻨﻮع اﻷول �� اﻟﺘﺤﻜﻢ اﻟ�ج�ن اﻟﺬي �ﺴﻤﺢ ﺑﺪﻣﺞ ُﻣ‬.‫اﻋﺘﻤﺎد َﻧ َﻤﻄ�ن ﻣﺨﺘﻠﻔ�ن ﻣﻦ اﺳ��اﺗﻴﺠﻴﺎت اﻟﺘﺤﻜﻢ‬
‫ﻨﻈﻤ�ن ﻣﺨﺘﻠﻔ�ن أو أﻛ�� ﻧﻔﺲ‬
ُ ْ
‫ ﺳيﺘﻢ دﻣﺞ‬،‫ ﺑيﻨﻤﺎ ﺗﻤ ِﺜ ُﻞ اﻻﺳ��اﺗﻴﺠﻴﺔ اﻟﺜﺎﻧﻴﺔ ��خﺔ ﻣﺘﻘﺪﻣﺔ ﻣﻦ اﻟﺘﺤﻜﻢ اﻟﺮﺟ�� ذو اﻹﺟﺮاء اﳌﺘ�ﺎﻣﻞ‬،‫اﻟﻮﻗﺖ ﻣﻦ ﺧﻼل ُﻣﺸﺮف ﺗﺤﻜﻢ ﺧﺎص‬
ُ ُ
.‫ﺧﺎﺻﻴﺔ اﳌ َﻌ ِﺎﻣﻼت اﳌﺘﻐ��ة �� ﻣﺨﺘﻠﻒ ﺧﻄﻮات اﻟﺘﻨﻈﻴﻢ اﻟﻐ�� ﺧﻄﻲ ﻟﻀﻤﺎن اﻟﺘﺤﻜﻢ اﻷﻣﺜﻞ �� ا�حﺮك ﺣ�ى ﻋﻨﺪ اﻟﺴﺮﻋﺎت ﺷﺪﻳﺪة اﻻﻧﺨﻔﺎض‬
ً ً ّ ً
‫رﺋيﺴﻴﺎ ﻟهﺬﻩ‬ ‫ﻟﻠﻤﺤﺮك هﺪﻓﺎ‬
ِ ‫اﻟﻜﻤﻴﺎت ا�خﺘﻠﻔﺔ اﻟ�ي ﻳﺘﻌﺬ ُر اﻟﻮﺻﻮل إﻟ��ﺎ‬
ِ ‫ �ﺎﻧﺖ ﻣﺮاﻗﺒﺔ اﻟﺴﺮﻋﺔ وﺗﻘﺪﻳﺮ‬،‫ﺟﺰء ﺛﺎ�ﻲ ﻻ ﻳﻘﻞ أهﻤﻴﺔ ﻋﻦ اﻷول‬ٍ ��‫و‬
َ
‫ ﺑيﻨﻤﺎ ﺗﻢ ﺗﺤﻘﻴﻖ اﻟﺘﺤﻜﻢ‬.‫ ﺣﻴﺚ ﺗﻢ ﺗﻄﻮ�ﺮ ﻣﺮاﻗﺐ ﺧﻄﻲ ﻣ��اﺑﻂ ﻗﺎدر ﻋ�� ﺿﻤﺎن ﺗﻘﺪﻳﺮ ﻣ��اﻣﻦ �خﺘﻠﻒ ﻣﻘﺎو َﻣﺎت اﻷﻟﺔ اﻟﻜهﺮ�ﺎﺋﻴﺔ‬،‫اﻷﻃﺮوﺣﺔ‬
‫ اﻟﺘﻘﻨﻴﺎت اﻟﻘﺎﺋﻤﺔ ﻋ�� أﺳﺎس‬،‫ﺑﺪون ﻣﺴتﺸﻌﺮ ﻟﻠﺴﺮﻋﺔ ﻣﻦ ﺧﻼل اﻟﻌﺪﻳﺪ ﻣﻦ اﻷﺳﺎﻟﻴﺐ ا�حﺘﻤﻴﺔ واﻟﻌﺸﻮاﺋﻴﺔ ﻣﺜﻞ اﳌﺮاﻗﺐ اﻟﻀﺒﺎ�ﻲ اﻟﺘﻜﻴﻔﻲ‬
‫ﻛﻔﺎءة �ﻞ ﻃﺮ�ﻘﺔ ﻓﻴﻤﺎ ﻳﺘﻌﻠﻖ ﺑﺄداء اﻟﺘﺤﻜﻢ �� ا�حﻠﻘﺔ اﳌﻐﻠﻘﺔ‬ َ ‫ ﺗﻢ دراﺳﺔ وﺗﺤﻠﻴﻞ‬.‫ واﻟﺘﻘﺪﻳﺮ ﺑﻮاﺳﻄﺔ ﻣﺮ�ح �ﺎﳌﺎن اﳌﻤﺘﺪ‬،‫ﻧ�ج وﺿﻊ اﻻﻧﺰﻻق‬
‫ ﺣﻴﺚ أن اﻟﻨﺘﺎﺋﺞ اﻟ�ي ﺗﻢ ا�حﺼﻮل ﻋﻠ��ﺎ ﺳﺘ�ﻮن ﺑﻤﺜﺎﺑﺔ أﺳﺎس ﻟﺪراﺳﺔ ﻣﻘﺎرﻧﺔ اﻟ�ي ﻣﻦ ﺧﻼﻟهﺎ ﻳﻤﻜﻦ ﺗﻘﻴﻴﻢ ﻣﺰاﻳﺎ وﻋﻴﻮب‬،‫ﺑﺪون ﻻﻗﻂ ﺳﺮﻋﺔ‬
.‫�ﻞ ﺗﻘﻨﻴﺔ ﺗﻤﺖ دراﺳ��ﺎ‬
‫ اﻟﺘﺤﻜﻢ اﻟﺮﺟ�� ﺑﻤﻌﺎﻣﻼت‬،‫ اﻟﺘﺤﻜﻢ اﻟ�ج�ن‬،‫ اﻟﺘﺤﻜﻢ ﻋﻦ ﻃﺮ�ﻖ وﺿﻊ اﻻﻧﺰﻻق‬،‫ اﻟﺘﺤﻜﻢ اﻟﻐ�� ﺧﻄﻲ‬،‫ ا�حﺮك اﻟﻐ�� ﻣ��اﻣﻦ‬: ‫�ﻠﻤﺎت ﻣﻔﺘﺎﺣﻴﺔ‬
.‫ ﻣﺮ�ح �ﺎﻟـﻤﺎن‬،‫ ﻣﺮاﻗﺐ ﺑﻮﺿﻊ اﻻﻧﺰﻻق‬،‫ ﻣﺮاﻗﺐ ﺿﺒﺎ�ﻲ ﻣﺘﻜﻴﻒ‬،‫ﻣﺘﻐ��ة‬
- II -
Contribution to the optimization of the nonlinear control of three
phase induction motors : studies and experiments
Abstract : This work aims at contributing to the literature on the nonlinear control of three-phase induction
motors with and without mechanical sensors. Several techniques were developed and verified either by
simulation or by experimental validation using a test bench equipped with a dSPACE-RTI-1104 card. The
indirect vector control with rotor flux orientation was adopted as a primary strategy for speed and current
regulation. The optimization of global control was improved using two types of control strategies. The first
one consisted in a hybrid control that allowed the combination of several regulators simultaneously through
a regulation supervisor. The second strategy consisted in an advanced version of the Integral-Backstepping
control, the variable gains property being incorporated into the various nonlinear regulators to ensure optimal
control of quantities even at very low speed levels. In a second equally important part, speed observation and
the estimation of the machine’s different inaccessible quantities were taken as significant objectives for this
thesis. An interconnected linear observer was developed to ensure the simultaneous estimation of machine
resistances, while sensorless control was achieved through several deterministic and stochastic approaches
such as the fuzzy-adaptive observer, observers based on sliding mode theory and estimation via extended
Kalman filters. The effectiveness of each method in relation to the performance of closed-loop sensorless
control was carefully studied and analyzed. Subsequently, the obtained results served as a basis for
a comparative study in which the advantages and disadvantages of each technique studied were assessed.
Keywords : induction motor, nonlinear control, sliding mode control, hybrid control, variable gains
Backstepping, fuzzy adaptive observer, sliding mode observer, Kalman filter.
Contributions et travaux scientifiques :
B. Aichi, M. Bourahla and K. Kendouci, “High-Performance Speed Control of Induction Motor Using
a Variable Gains Backstepping: Experimental Validation”, International Review of Electrical
Engineering (IREE), Vol. 13, No. 4, pp. 342-351, August 2018.
B. Aichi, M. Bourahla and K. Kendouci, “Real-Time Hybrid Control of Induction Motor Using Sliding Mode
and PI Anti-Windup”, 2018 International Conference on Electrical Sciences and Technologies in
Maghreb (CISTEM), Algiers, Algeria, November 2018, pp. 147-179.
B. Aichi, M. Bourahla and K. Kendouci, “Commande Non-linéaire Sans Capteur Mécanique d’un Moteur
Asynchrone Basée sur un Observateur Mode Glissant”, Première Conférence Nationale sur
L'électrotechnique et les Energies Renouvelables (CNEER), Saida, Algeria, November 2018.
B. Aichi, M. Bourahla and K. Kendouci, “Nonlinear Speed Control of Induction Motor by the Combination of
Fuzzy-Sliding-Mode and Integral-Backstepping Controllers”, 2018 International Conference on
Applied Smart Systems (ICASS), Medea, Algeria, December 2018, pp. 139-144.
B. Aichi, M, Bourahla, K. Kendouci and B. Mazari, “Real-time nonlinear speed control of an induction motor
based on a new advanced integral backstepping approach”, Transactions of the Institute of
Measurement and Control, Vol. 42, No. 2, pp. 244-258, January 2020.
B. Aichi and K. Kendouci, “Robust and Stable Speed Control Design Using the Variable Gains Backstepping
Technique for High-Efficiency Three-Phase Induction Motor Drives”, 2020 1st International
Conference on Communications, Control Systems and Signal Processing (CCSSP), El-Oued,
Algeria, May 2020, pp. 376-381.
B. Aichi and K. Kendouci, “A Novel Switching Control for Induction Motors Using a Robust Hybrid
Controller that Combines Sliding Mode with PI Anti-Windup”, Periodica Polytechnica Electrical
Engineering and Computer Science, Vol. 64, No. 4, pp. 392-405, October 2020.
- III -
Table des matières
Avant-propos ........................................................................................................................................................... I
Résumé ..................................................................................................................................................................... II
Table des matières ............................................................................................................................................... IV
Nomenclature ....................................................................................................................................................... VII
Introduction générale ............................................................................................................................................. 1
CHAPITRE I : État de l’art des stratégies de commande et d’observation

pour les moteurs asynchrones triphasés
1 - Techniques de commande des moteurs asynchrones triphasés .............................................................. 5
1.1 - Commande scalaire (𝑉𝑉/𝑓𝑓) ...................................................................................................................... 6
1.2 - Commande vectorielle (FOC) ................................................................................................................. 6
1.3 - Commande directe du couple (DTC) .................................................................................................... 7
1.4 - Commande Backstepping ....................................................................................................................... 8
2 - Techniques d’optimisation de la commande des moteurs asynchrones ................................................ 9
2.1 - Contrôle basé sur l’intelligence artificielle ............................................................................................ 9
2.2 - Contrôle par mode glissant ................................................................................................................... 10
2.3 - Contrôle par la méthode de Lyapunov ............................................................................................... 11
2.4 - Régulation hybride ................................................................................................................................ 11
3 - Méthodes d’estimation pour la commande sans capteur mécanique................................................... 12
3.1 - Estimation en boucle ouverte ............................................................................................................... 12
3.2 - Observateur de Luenberger .................................................................................................................. 13
3.3 - Système adaptatif à modèle de référence (MRAS) ............................................................................ 13
3.4 - Observateur à grand gain ..................................................................................................................... 14
3.5 - Observateur mode glissant ................................................................................................................... 14
3.6 - Observateur Backstepping .................................................................................................................... 15
3.7 - Filtre de Kalman ..................................................................................................................................... 15
3.8 - Estimation par l’injection des signaux à haute fréquence ................................................................ 16
4 - Positionnement des problèmes à traiter.................................................................................................... 17
CHAPITRE II : Commandes non linéaires appliquées pour le contrôle

de vitesse d’un moteur asynchrone
1 - Modèle mathématique du moteur asynchrone triphasé ........................................................................ 18
2 - Commande vectorielle par orientation du flux rotorique (IFOC) ......................................................... 19
2.1 - Principe de fonctionnement de la commande à flux rotorique orienté .......................................... 20
2.2 - Paramétrage des régulateurs ................................................................................................................ 21
2.2.1 - Régulations classiques de la vitesse .............................................................................................. 21
2.2.1.1 - Régulation Proportionnelle-Intégrale (PI) ........................................................................... 21
2.2.1.2 - Régulation Intégrale-Proportionnelle (IP) ........................................................................... 22
2.2.1.3 - Régulation Proportionnelle-Intégrale avec Anti-Windup (PIAW) .................................. 22
2.2.2 - Régulation classique du courant.................................................................................................... 23
- IV -
Table des matières
2.3 - Résultats expérimentaux ....................................................................................................................... 24

2.3.1 - Analyse de fonctionnement des régulateurs conventionnels .................................................... 25
2.3.2 - Performance du contrôle basé sur un régulateur PIAW ............................................................ 26
3 - Commande hybride combinant le SMC avec le PIAW ........................................................................... 27
3.1 - Principe du contrôle par mode glissant .............................................................................................. 27
3.2 - Application du contrôle par mode glissant pour la régulation de la vitesse ................................. 29
3.3 - Positionnement du problème de la commande par SMC................................................................. 30
3.4 - Exécution de la commande hybride pour le contrôle de vitesse d’un MAS .................................. 30
3.5 - Analyse de stabilité du régulateur Hybride – 1 (SMC / PIAW)...................................................... 31
3.6 - Résultats pratiques de la commande Hybride – 1 (SMC / PIAW).................................................. 31
3.6.1 - Étude comparative entre le régulateur Hybride – 1 et le PIAW ............................................... 32
3.6.2 - Performance du contrôle basée sur le régulateur Hybride – 1 (SMC / PIAW) ...................... 33
4 - Commande hybride ST-SMC / PI optimisé par un Anti-Windup global ............................................ 34
4.1 - Algorithme de Super-Twisting modifié utilisé pour le contrôle de la vitesse ............................... 35
4.2 - Mise en œuvre de la commande Hybride – 2 (ST-SMC / PI) .......................................................... 35
4.3 - Mécanisme global d’Anti-Windup ...................................................................................................... 36
4.4 - Analyse de stabilité du contrôleur Hybride – 2 (ST-SMC / PI) ....................................................... 37
4.5 - Résultats expérimentaux du contrôle Hybride – 2 (ST-SMC / PI) .................................................. 37
4.5.1 - Amélioration du correcteur Hybride – 2 par rapport au ST-SMC ............................................ 38
4.5.2 - Performance du contrôle basé sur la structure hybride ST-SMC / PI...................................... 39
5 - Commande Backstepping avec action intégrale à gains variables ........................................................ 41
5.1 - Conception de la commande Backstepping avec action intégrale .................................................. 41
5.2 - Positionnement du problème à traiter................................................................................................. 43
5.3 - Application de la commande Intégral-Backstepping à gains variables (VGB).............................. 45
5.3.1 - 1ere étape : régulation de la vitesse................................................................................................. 45
5.3.1.1 - Fonctionnement des gains variables du NVGC de vitesse .................................................. 46
5.3.2 - 2eme étape : régulation du courant ................................................................................................. 47
5.3.2.1 - Fonctionnement du gain variable des NVGC de courant .................................................... 49
5.4 - Validation expérimentale ...................................................................................................................... 50
5.4.1 - Amélioration du VGB par rapport au IBC ................................................................................... 51
5.4.2 - Fonctionnement du contrôle VGB dans les basses vitesses ....................................................... 51
5.4.3 - Performance du contrôle VGB dans les conditions nominales ................................................. 52
5.4.4 - Tests de robustesse .......................................................................................................................... 53
6 - Étude comparative ....................................................................................................................................... 56
7 - Conclusion .................................................................................................................................................... 58
CHAPITRE III : Estimation simultanée des résistances du stator et du rotor

d’un moteur asynchrone
1 - Optimisation de la commande VGB par la régulation du flux .............................................................. 59
2 - Observateur linéaire interconnecté pour l’estimation simultanée des résistances statoriques et
rotoriques ...................................................................................................................................................... 61
-V-
Table des matières
2.1 - Observation de la résistance rotorique ................................................................................................ 61

2.2 - Observation de la résistance statorique .............................................................................................. 64
3 - Analyse de performance de l’estimation simultanée des paramètres incertains ................................ 66
4 - Conclusion .................................................................................................................................................... 70
CHAPITRE IV : Techniques avancées pour l’observation de vitesse

d’un moteur asynchrone triphasé
1 - Observateur adaptatif-flou (FAO) ............................................................................................................. 72
1.1 - Conception d’un observateur des courants et du flux ...................................................................... 72
1.2 - Détermination de l’expression de la vitesse observée....................................................................... 73
1.3 - Synthèse d’un mécanisme d’adaptation basé sur la logique floue.................................................. 74
2 - Estimations basées sur l’approche du mode glissant .............................................................................. 76
2.1 - Observateur doté des termes de correction discontinus (SMO Type-1) ......................................... 77
2.1.1 - Design de l’observateur des courants statoriques et du flux rotorique ................................... 77
2.1.2 - Détermination du mécanisme d’adaptation ................................................................................ 79
2.2 - Estimateur basé sur la compensation des termes du couplage (SMO Type-2).............................. 80
2.2.1 - Observation du courant basée sur la compensation par une fonction de glissement ............ 80
2.2.2 - Estimation de la vitesse mécanique et du flux rotorique ........................................................... 82
2.3 - Observateur à double surfaces de glissement (SMO Type-3) .......................................................... 82
2.3.1 - Génération de la première fonction de glissement ..................................................................... 83
2.3.2 - Génération de la deuxième fonction de glissement .................................................................... 83
2.3.3 - Synthèse de l’observateur du flux rotorique................................................................................ 84
2.3.4 - Mécanisme d’adaptation pour l’observation de la vitesse mécanique..................................... 84
3 - Estimation de la vitesse par le filtre de Kalman étendu ......................................................................... 86
3.1 - Principe de fonctionnement d’un filtre de Kalman ........................................................................... 86
3.2 - Application du filtre de Kalman étendu (EKF) .................................................................................. 88
3.3 - Filtre de Kalman étendu d’ordre réduit (RO-EKF)............................................................................ 91
4 - Résultats et discussion ................................................................................................................................. 93
5 - Etude comparative entre les différents estimateurs élaborés .............................................................. 101
6 - Conclusion .................................................................................................................................................. 102
Conclusion générale ........................................................................................................................................... 103
Annexes ................................................................................................................................................................ 105
A - Description du banc d’essai expérimental ............................................................................................. 105
B - Méthode utilisée pour l’identification des paramètres de la machine .............................................. 109
C - M-files/MATLAB utilisés pour la simulation des filtres de Kalman ................................................ 117
Bibliographie ....................................................................................................................................................... 120
- VI -
Nomenclature
MAS : Moteur asynchrone triphasé. 𝛚𝛚𝐠𝐠 : Pulsation de glissement.
MCC : Moteur à courant continu. 𝛀𝛀𝐦𝐦 : Vitesse mécanique du rotor.
Machine AC : Machine à courant alternatif. 𝛉𝛉𝐬𝐬 : Position angulaire du repère (𝑑𝑑– 𝑞𝑞) par
IGBT : Transistor bipolaire à grille isolée. rapport au stator.
IFOC : Commande vectorielle indirecte. 𝒇𝒇𝒔𝒔 : Fréquence de commande.
PIAW : Régulateur PI Anti-Windup. 𝒅𝒅 − 𝒒𝒒 : Référentiel lié au champ tournant.
SMC : Commande par mode glissant. 𝜶𝜶 − 𝜷𝜷 : Référentiel lié au stator.
ST-SMC : Super-Twisting mode glissant. 𝒔𝒔 − 𝒓𝒓 : Indices relatifs aux variables du stator
SMO : Observateur mode glissant. et du rotor.
NVGC : Contrôleur non-linéaire à gains *,^ : Indices relatifs aux grandeurs de
variables. référence et aux quantités observées.
IBC : Integral-Backstepping classique. 𝒆𝒆 : Erreur de régulation.
VGB : Integral-Backstepping à gains variables. 𝜺𝜺 : Erreur d’observation.
MLI : Modulation de largeur d’impulsion. ∆ : Symbol relatif aux différentes incertitudes.
SVM : Modulation vectorielle.
THD : Taux de distorsion harmonique. 𝑽𝑽 , 𝓥𝓥 : Fonctions de Lyapunov imposées pour
FAO : Observateur adaptatif flou. la régulation et pour l’observation.
EKF : Filtre de Kalman étendu. 𝑺𝑺 , 𝓢𝓢 : Surfaces de glissement destinées à la

régulation et à l’observation.
RO-EKF : Filtre de Kalman d’ordre réduit.
IAE : Intégrale de la valeur absolue de l’erreur. 𝚲𝚲 : Symbole relatif aux fonctions de
glissement destinées à l’observation.
ISE : Intégrale du carré de l’erreur.
𝒇𝒇𝒄𝒄 : Fréquence de coupure des filtres utilisés.
𝐑𝐑 𝐬𝐬 , 𝐑𝐑 𝐫𝐫 : Résistances du stator et du rotor. 𝟏𝟏⁄𝒇𝒇𝒄𝒄 : Constantes de temps des filtres utilisés.
𝐋𝐋𝐬𝐬 , 𝐋𝐋𝐫𝐫 : Inductances du stator et du rotor.
𝐌𝐌 : Inductance mutuelle. 𝑬𝑬{ } : L’espérance mathématique.
𝐉𝐉 : Moment d’inertie. Sgn : La fonction mathématique ‘Signe’.
𝐁𝐁 : Coefficient du frottement visqueux.
𝒑𝒑 : Nombre de pairs de pôles. 𝒌𝒌 : Numéro de l’échantillon.
𝛕𝛕𝐬𝐬 : Constantes de temps statorique. 𝑻𝑻𝒆𝒆 : Période d’échantillonnage.
𝛕𝛕𝐫𝐫 : Constantes de temps rotorique.

𝒙𝒙 : Vecteur des variables d’état.
𝛅𝛅 : Coefficient de dispersion de Blondel.
𝒖𝒖 : Vecteur d’entrée.
𝒊𝒊, 𝝍𝝍, 𝒗𝒗 : Valeurs instantanées du courant, du 𝒚𝒚 : Vecteur de mesure.
flux et de la tension, respectivement. 𝐀𝐀 : Matrice d’évolution.
𝐓𝐓𝐓𝐓 : Couple électromagnétique développé. 𝐁𝐁 : Matrice de commande.
𝐓𝐓𝐋𝐋 : Couple de charge appliqué. 𝐂𝐂 : Matrice d’observation.
𝛚𝛚𝐬𝐬 : Pulsation électrique du stator. 𝒇𝒇 , 𝒉𝒉 : Symbolisation des fonctions non-linéaires.
𝛚𝛚𝐦𝐦 : Vitesse angulaire du rotor. 𝑭𝑭, 𝑯𝑯 : Matrices Jacobiennes.
- VII -
Introduction générale
G Grâce aux caractéristiques de robustesse, de puissance nominale élevée, de simplicité de structure
x xxxxxx et des avantages économiques entre autres, les moteurs asynchrones représentent 80% des machines
x
industrielles. En effet, une grande attention est accordée au développement des variateurs de vitesse puissants
pour ce type de moteurs. La commande en boucle ouverte avec un contrôle en tension et en fréquence, pourrait
fournir un entraînement à vitesse variable satisfaisant, lorsque le moteur fonctionne avec un couple constant
sans l’exigence d’une performance stricte. Cependant, lorsque les performances d’entraînement requièrent une
réponse dynamique rapide avec un contrôle robuste et précis, la commande en boucle ouverte ne sera plus
intéressante. Il est nécessaire donc de réaliser un contrôle en boucle fermée. Cette exigence met les chercheurs
face à de véritables obstacles, notamment le fort couplage entre le flux magnétique et le couple
électromagnétique, les variations paramétriques dues à l’échauffement de la machine et à la saturation des
circuits magnétiques et l’inaccessibilité de certaines quantités physiques nécessaires à contrôler.
Ces contraintes-là, rendent le contrôle en boucle fermée de cette machine plus complexe par rapport aux autres
entraînements tels que les machines à courant continu. Pour y remédier, il est nécessaire d’adopter des
techniques performantes de commande et de régulation, afin de surmonter les obstacles relatifs aux
non-linéarités du modèle et de garantir le fonctionnement optimal des moteurs asynchrones triphasés.
Le développement rapide du contrôle des moteurs AC n’aurait jamais pu être réalisé sans le progrès conjoint
dans le domaine de l’électronique de puissance et des calculateurs numériques. La commande scalaire présente
l’une des premières solutions proposées occupant jusqu’aujourd’hui une grande partie des applications
industrielles. Cette méthode est caractérisée par la simplicité et le faible coût d’implantation. En revanche, elle
ne peut garantir que de modestes performances sachant que ses applications sont limitées au pilotage du régime
permanent. Par conséquent, de nombreuses stratégies plus sophistiquées ont été développées pour pallier les
inconvénients de la commande scalaire et améliorer le contrôle des moteurs asynchrones à savoir, la commande
directe du couple et la commande vectorielle à flux orienté. Cette dernière est l’une des méthodes les plus
utilisées pour les applications à hautes performances. Elle peut assurer un contrôle similaire à celui du moteur
à courant continu à excitation séparée dans lequel, le couple électromagnétique et le flux d’induction sont
naturellement découplés. Deux variantes de la commande vectorielle sont présentées dans la littérature, elles
se distinguent essentiellement par la manière qui détermine la position du vecteur flux à orienter par rapport
au stator. Dans le cas de la commande directe, la régulation du flux est indispensable pour effectuer
l’orientation du vecteur flux, alors que l’amplitude et l’angle de Park sont déterminés à travers une mesure
directe. Par contre, dans la technique indirecte, la position du vecteur flux est estimée à l’aide de la loi
d’autopilotage. La supposition que le vecteur flux est parfaitement orienté sera la base d’une transformation
du modèle mathématique à travers lequel, une série de régulations sera réalisée pour garantir la superposition
du vecteur flux orienté et de l’axe direct du plan (𝑑𝑑– 𝑞𝑞). Grâce à la simplicité de mise en œuvre de la méthode
indirecte, la commande vectorielle en question présente l’approche la plus utilisée pour les applications réelles.
Bien que la haute efficacité de la commande vectorielle soit confirmée, en particulier par l’incorporation
des techniques puissantes de régulation qui se basent sur le mode glissant, l’intelligence artificielle, le contrôle
par les méthodes de Lyapunov et d’autres techniques. L’application de cette stratégie à grande échelle a révélé
certains de ses inconvénients, notamment en ce qui concerne la connaissance précise de la constante de temps
rotorique adoptée dans l’estimation de la position du vecteur flux à orienter. En effet, une variation de
ce paramètre ou bien une mauvaise identification conduisent à une perte du découplage entre le flux et
le couple, qui pourrait détruire le principe de base du contrôle. En outre, l’utilisation du capteur de vitesse peut
également poser d’autres problèmes, tels que l’augmentation du coût et de la complexité structurelle.
Ces contraintes peuvent être surmontées en utilisant des algorithmes d’estimation capables de fournir une
information sur les différentes quantités importantes. Cela peut renforcer la robustesse vis-à-vis des variations
paramétriques, et même améliorer le rapport qualité-prix en éliminant le capteur de vitesse et en le remplaçant
par un capteur logiciel qui assure une commande performante sans capteur mécanique.
-1-
Introduction générale
La principale contribution de cette thèse est fondée sur l’étude de deux problématiques majeures. Dans un
premier temps, on va traiter l’une d’elles en développant de nouvelles commandes non linéaires qui vont
assurer l’amélioration de la technique du contrôle par orientation du flux. L’optimisation de cette dernière est
assurée en incorporant des méthodes de régulation avancées, qui permettront de garantir un contrôle optimal
de la vitesse en temps réel. La seconde partie sera consacrée à l’estimation de la vitesse afin d’éliminer
le capteur mécanique. En effet, plusieurs observateurs déterministes et stochastiques seront élaborés et intégrés
dans une commande en boucle fermée sans capteur mécanique. Quand nous aurons atteint ces objectifs, nous
contribuerons au développement des techniques de commande non linéaires avec et sans capteur mécanique
pour les moteurs asynchrones triphasés. Pour cela, le travail de ce mémoire sera structuré de la façon suivante :
Le premier chapitre présente un aperçu général des principales stratégies de commande et d’observation
décrites dans la littérature. Une description approfondie sera faite sur cet aperçu afin de suivre l’évolution
des différentes applications des moteurs AC. L’analyse de l’état de l’art de ce domaine si large, permettra
de positionner les problèmes à résoudre et de définir les objectifs principaux derrière notre travail.
Le deuxième chapitre comprend la plus importante contribution de cette thèse. Tout d’abord, une brève
description de la commande indirecte par orientation du flux rotorique sera instaurée, plusieurs structures
des régulateurs Proportionnel-Intégral seront adoptées pour la régulation des différentes variables de
la machine, en commençant par le PI, le IP, puis le PI Anti-Windup. Ensuite, deux commandes hybrides seront
élaborées, la mise en œuvre de ces stratégies consiste à adopter plusieurs régulateurs en même temps avec un
superviseur permettant l’activation de chaque régulateur dans sa zone de fonctionnement. Sur la base
de ce principe, la première commande contrôle la vitesse du moteur tout en adoptant un contrôleur mode
glissant pour piloter les régimes transitoires et un PI Anti-Windup maintiendra le contrôle du régime
permanent. L’activation de chaque contrôleur est effectuée à l’aide d’un simple superviseur linéaire.
La deuxième configuration consiste à combiner le Super-Twisting mode glissant avec un régulateur PI
conventionnel, un superviseur non linéaire à deux dimensions sera alors le responsable générateur de l’action
globale du contrôleur hybride. Dans la section suivante, une nouvelle variante de la commande Backstepping
sera élaborée sur la base de l’intégration de la propriété du gain variable dans la structure des régulateurs
adoptant le contrôle par la méthode de Lyapunov. Cette nouvelle version nommée le Backstepping à gains
variables, est caractérisée notamment par la simplicité du design et une haute performance du contrôle.
L’ensemble des techniques étudiées sera validé expérimentalement grâce à l’aide d’une carte de simulation
en temps réel dSPACE-DS-1104 et les résultats qui ont découlent, seront la base d’une étude comparative
permettant de mettre en évidence les principales caractéristiques de chaque méthode élaborée.
Le troisième chapitre présente une solution intéressante pour améliorer la robustesse du contrôle vectoriel
vis-à-vis des variations paramétriques. Un observateur linéaire interconnecté sera étudié et appliqué à
la machine asynchrone afin de réaliser une estimation simultanée des résistances du stator et du rotor. À travers
cette technique, on assure l’adaptation en ligne de la constante de temps rotorique ainsi que la détermination
du vecteur flux, ce qui permet de renforcer la commande par une nouvelle chaine de régulation pour le flux.
Le quatrième chapitre sera consacré aux techniques d’observation de la vitesse. On commence l’étude par
la présentation d’un observateur déterministe ayant un mécanisme d’adaptation basé sur un contrôleur flou
avancé. L’approche du mode glissant sera ensuite adoptée pour élaborer trois structures différentes capables
de fournir l’information sur la vitesse de rotation. Enfin, l’estimation par le filtre de Kalman étendu sera
proposée et appliquée au moteur asynchrone, une version simplifiée qui se repose sur un modelé d’ordre réduit
sera exploitée afin de diminuer la charge de calcul ; un résultat qui va optimiser la commande sans capteur
mécanique. Chacune de ces méthodes sera vérifiée par simulation et dans laquelle, tous résultats obtenus seront
réutilisés afin de mener une étude comparative basée sur de plusieurs indices de performance.
Finalement, cette thèse sera achevée par une conclusion générale qui portera sur les principales
contributions conclues par notre travail et qui résument les résultats obtenus. D’éventuelles perspectives seront
bien évidemment proposées afin d’assurer une véritable continuité intéressante du présent travail.
-2-
I
État de l’art des stratégies de
commande et d’observation pour
CHAPITRE les moteurs asynchrones triphasés
L le domaine des semi-conducteurs et des microprocesseurs. Des efforts importants ont été déployés
’L’ère de la commande des machines AC a commencé parallèlement avec l’évolution technologique dans
xxxx.xx
pour élaborer des techniques performantes permettant de maîtriser le comportement statique et dynamique des
moteurs asynchrones triphasés. L’établissement de toute commande performante doit impérativement fournir
des solutions concrètes pour les différents problèmes posés. L’ajustement de l’amplitude de la tension
d’alimentation proportionnellement à une fréquence de référence a présenté dès le début, une méthode très
utile pour le développement d’un simple variateur de vitesse, cette stratégie est connue par la commande
scalaire ou la commande V/f (Gastli, 92 ; Lee, 17). Cette technique occupe à ce jour, une large catégorie
d’applications industrielles en raison de ses avantages importants consistant à la simplicité de mise en œuvre,
la robustesse devant la variation paramétrique et la possibilité de fonctionnement sans capteur de vitesse
(Hinkkanen, 04). Cependant, la qualité du contrôle peut se dégrader considérablement pour les faibles
fréquences, alors que le fonctionnement pour les faibles charges peut entrainer également une performance
médiocre. D’autre part, l’apparition la commande vectorielle (FOC) (Blaschke, 72), a permis l’utilisation des
moteurs asynchrones dans des applications qui nécessitent un contrôle de haute performance, son principe
consiste à linéariser le modèle mathématique en faisant une orientation d’un flux prédéfinit, en parallèle,
une série de régulations peut assurer un contrôle indépendant du vecteur flux et du couple électromagnétique
du moteur. En revanche, il existe également une autre stratégie qui est l’une des techniques de contrôle les plus
adoptées par les entreprises industrielles comme le groupe ABB, la commande directe du couple (DTC)
proposée dans (Takahashi, 86 ; Depenbrock, 88) a pu s’imposer dans le domaine des variateurs de vitesse
en raison de sa dynamique précise et sa robustesse élevée face aux perturbations intérieures et extérieures.
Cette méthode s’appuie essentiellement sur une estimation du couple électromagnétique et du flux statorique
à partir de la mesure du courant et de la tension d’alimentation, l’utilisation des comparateurs à hystérésis
permet de maintenir les deux variables estimées à l’intérieur d’une plage de tolérance prédéfinie. À travers une
table de commutation définissant les séquences de fonctionnement de l’onduleur, les impulsions des IGBT
peuvent être générées directement pour assurer un contrôle séparé par rapport au couple électromagnétique et
au flux statorique. D’un autre côté, il faut souligner que cette technique contient de nombreux inconvénients,
par exemple, l’utilisation des estimateurs est indispensable et les courants peuvent aussi avoir une mauvaise
régulation en régimes transitoires. De plus, les performances du contrôle dans les basses vitesses sont
relativement modestes, alors que le principal problème est que l’amplitude des ondulations du couple et
du flux statorique reste important et mal maitrisé (Gdaim, 13).
Dans le même contexte, l’exploitation des différentes méthodes de régulation peut apporter une
amélioration considérable aux performances des différentes stratégies du contrôle et minimiser les effets de
ses imperfections. Les contrôleurs mode glissant sont souvent utilisés pour avoir une qualité du contrôle
satisfaisante, la simplicité et la robustesse de cette méthode fournissent une véritable solution pour optimiser
la commande des machines AC (Utkin, 92 ; Utkin, 99 ; Yaichi, 09 ; Lascu, 20). Néanmoins, le phénomène
de Chattering représente l’inconvénient majeur qui limite l’utilisation de cette approche pour certaines
applications (Levant, 10 ; Utkin, 16). Pour cette raison, plusieurs approches ont été proposées pour aborder à
ce problème, l’utilisation du mode glissant d’ordre supérieur présente une solution très pratique qui corrige
les défectuosités de ce contrôle à maints égards, tout en conservant la simplicité de la structure (Levant, 93 ;
Levant, 05 ; Rafiq, 12 ; Ammar, 17b), tandis qu’il y a d’autres approches qui visent à optimiser en particulier
la partie du contrôle direct, les auteurs de (Jamoussi, 13) présentent une nouvelle conception utilisant un gain
de commutation adaptatif avec un intégrateur, cette approche a pu garantir une très bonne performance avec
une atténuation remarquable du Chattering. Pour le même objectif, l’utilisation des approches hybride présente
-3-
Chapitre 1 : État de l’art des techniques de commande et d’observation pour les moteurs asynchrones triphasés
une solution impressionnante, ces méthodes s’appuient sur la combinaison du mode glissant et d’autres
techniques telles que la commande H∞, le contrôle flou ou les régulateurs conventionnels (Hamzaoui, 03 ;
Aichi, 20c). Son principe de fonctionnement consiste à faire fonctionner les deux régulateurs combinés
en même temps avec un pourcentage d’impact différent, l’utilisation d’un superviseur performant assure
la définition du taux de participation approprié afin d’aboutir à une performance caractérisée par les avantages
du mode glissant sans avoir ses inconvenants. D’un autre côté, l’utilisation des techniques de l’intelligence
artificielle et la logique floue est considérée comme un moyen efficace à exploiter, soit pour optimiser
le contrôle par mode glissant (Liu, 11 ; Saghafinia, 15 ; Bendaas, 16 ; Quintero, 17), pour la supervision dans
les commandes hybrides (Essounbouli, 03), ou même dans les chaines de régulation des différentes techniques
de commande (Kabache, 07 ; Mihoub, 12 ; Gdaim, 13). Compte tenu de leurs structures qui sont relativement
indépendantes des modèles mathématiques des entrainements électriques, ces approches offrent une solution
prometteuse capable de perfectionner les différents schémas du contrôle. En parallèle, l’utilisation
de la commande Backstepping peut offrir une solution impeccable pour pallier les problèmes de non-linéarité
des modèles soumis à des variations structurelles, les inconvénients qui sont apparus lors de l’application
de la version conventionnelle aux moteurs AC, ont incité de nombreux chercheurs à développer de nouvelles
variantes de cette approche (Lin, 08 ; Mehazzem, 17a ; Ben Regaya, 18 ; Xu, 19). L’une des simples
améliorations qui peuvent être apportées, est de renforcer la loi du contrôle par une action intégrale, cette
optimisation a été bien illustrée dans une étude comparative menée à (Mehazzem, 17b) entre la version
conventionnelle et une autre intégrale pour le contrôle de vitesse d’un moteur asynchrone, les résultats
pratiques obtenus ont montré une performance avancée en matière de rapidité et de robustesse face aux
différentes perturbations appliquées. Dans des applications similaires, les auteurs de (Aichi, 18a ; Aichi, 20a)
ont proposé de remplacer les gains fixes des régulateurs internes par des gains variables pour améliorer
la dynamique des régimes transitoires et assurer un bon contrôle du régime permanent, cette modification a été
en mesure de garantir une performance élevée du contrôle sur toute la plage de variation de la vitesse.
Dans un autre contexte, on doit noter qu’il existe de certaines variables qui sont inaccessibles ou difficiles
à mesurer, et en même temps ils doivent être contrôlés, cela est un aspect négatif dans la majorité des schémas
du contrôle existant. C’est pourquoi de nombreux travaux ont été focalisés sur le développement des
différentes techniques d’observation et d’estimation, ces méthodes permettent de s’affranchir de certains
capteurs physiques et peuvent augmenter la robustesse des commandes vis-à-vis des variations paramétriques.
Ceci est très intéressant non seulement parce que la qualité du contrôle sera améliorée, mais aussi le coût des
installations industrielles peut être considérablement réduit (Pacas, 11). Compte tenu de son coût et de
sa fragilité face aux conditions industrielles défavorables, le capteur de vitesse est l’équipement le plus ciblé
pour l’élimination au niveau des commandes en boucle fermée, les méthodes déterministes sont largement
utilisées pour atteindre cet objectif, son principe de fonctionnement se repose sur la reconstruction des états
inconnus en utilisant les grandeurs statoriques accessibles. En revanche, les termes de correction permettant
aux grandeurs estimées à converger vers leurs vraies valeurs sont divers, l’observateur de Luenberger assure
la compensation de la non-linéarité du modèle par un terme de correction linéaire en fonction de l’erreur
d’observation, la stabilité peut être assurée en choisissent les gains d’observation d’une manière qui rend les
valeurs propres de la matrice d’état de l’observateur à parties réelles négatives (Kubota, 93 ; Jouili, 12 ;
You, 18). Dans l’observateur de Gopinath étendu, la dérivée de l’erreur d’observation est la base d’un terme
de correction qui aide à estimer le flux rotorique, alors que la stabilité de l’observateur de la vitesse est assurée
en basant sur la solution de Popov (Stoicuta, 09). Concernant les observateur mode glissant, l’élimination de
l’erreur d’observation peut être effectuée par l’intermédiaire d’une fonction de commutation de haute
fréquence, où le modèle mathématique de la machine sera adopté pour la reconstitution des états du système
d’observation. Les algorithmes de Super-Twisting sont souvent utilisés pour aboutir à une meilleure
estimation, la détermination des matrices de correction sera effectuée de manière à satisfaire les conditions
d’existence du mode glissant, ceci est suffisant pour développer des lois d’observation de haute qualité avec
une simplicité notable (Li, 05a ; Bakhti, 11 ; Dong, 16 ; Zaky, 18 ; Zhang, 19). L’intelligence artificielle est
également utilisée pour élaborer des schémas d’observation avancés, soit pour les différents paramètres
-4-
électriques (Karanayil, 07) ou bien pour la détermination de la vitesse rotorique (Cirrincione, 13 ; Accetta, 14).
Les auteurs de ces ouvrages ont adopté principalement les réseaux neurones artificiels pour l’observation des
différentes variables fondamentales. En outre, la combinaison de ces approches avec d’autres techniques tels
que le MRAS et l’observateur de Luenberger d’ordre complet, reste toujours une bonne suggestion pour une
qualité d’estimation optimale. Dans les dernières années, les méthodes non linéaires se sont largement
répandues dans le domaine des capteurs logiciels, les observateurs du type grand gain sont considérés comme
une extension des observateurs d’état destinée aux systèmes non linéaires. Le développement de ce type
d’estimateurs a reçu une attention particulière, comme l’indique le nombre de contributions qui lui ont été
consacrées, ils concernent la classe des systèmes multi-variables uniformément observables qui peuvent
se récrire sous une forme canonique conformément à un changement de coordonnées approprié, ces techniques
se distinguent par la simplicité de mise en œuvre et leurs résultats intéressants en les adoptant dans
des commandes sans capteurs de vitesse (Ghanes, 05 ; Traore, 08 ; Dib, 11 ; Dib, 12 ; Wang, 19). Pour d’autres
cas des systèmes non-linéaires, la technique Backstepping est également appliquée pour la synthèse des
observateurs performants, les caractéristiques intéressantes de cette approche permettent d’aboutir à une
estimation très précise pour les différentes variables de la machine avec une faible sensibilité aux variations
paramétriques (Trabelsi, 10 ; Morawiec, 15 ; Ben Regaya, 16 ; Zaafouri, 16). En parallèle, l’estimation des
quantités fondamentales inaccessibles par l’utilisation du filtre de Kalman développé à l’origine aux années
soixantaine (Kalman, 60 ; Kalman, 61), présent une approche très courante dans divers domaines de
l’ingénierie, cet estimateur est caractérisé par la présupposition de la présence de bruits sur l’état et sur la sortie
d’un système stochastique. Bien que cette technique ait été appliquée avec succès pour le contrôle des
machines AC, de nombreux dérivés ont été développés telles que le filtre de Kalman à deux étages (Hsieh, 03 ;
Hilairet, 09 ; Mercorelli, 12 ; Yi, 13) et l’algorithme basé sur ‘Unscented Transform’ (Kumar, 11 ;
Jafarzadeh, 12 ; Rayyam, 18), ces versions avancées améliorent la qualité de l’estimation, en particulier par
rapport à la réduction de la charge arithmétique afin de garantir une excellente exécution de l’algorithme. Dans
un autre contexte, la commande sans capteur des machines AC dans les basses vitesses, représente un enjeu
industriel majeur, en outre, c’est un sujet de recherche scientifique très important en raison des problèmes liés
à observabilité théorique à basses vitesses, de plus, il existe de différentes conditions de fonctionnement dans
cette zone qui ne sont pas prises en compte dans les modélisations mathématiques des systèmes dynamiques.
L’utilisation des méthodes d’estimation qui se basent sur l’injection des signaux, présente une solution
impeccable pour surmonter les obstacles relatifs au fonctionnement à basses vitesses. De nombreuses
techniques ont été proposées pendant ces vingt dernières années (Jansen, 95 ; Liu, 05 ; Sul, 11 ; Xu, 18 ;
Barroso, 18 ; Sun, 20), ces approches consistent à injecter une tension à haute fréquence à la tension
d’alimentation du moteur, ainsi, la position et la vitesse peuvent être estimées à partir des oscillations
du courant grâce aux saillances géométrique et magnétique du rotor, cependant, les applications couvertes par
ces techniques sont limitées en raison des effets importants de la saturation magnétique (Jebai, 13).
Afin d’assurer une étude correspondant à l’actualité, on va présenter dans ce chapitre un survol sur
les différentes techniques appliquées pour le contrôle et l’observation de la vitesse des moteurs asynchrones
triphasés, l’analyse des méthodes existant dans la littérature permet de définir les principaux objectifs à
atteindre ainsi que d’identifier les différents problèmes à résoudre.
1 - Techniques de commande des moteurs asynchrones triphasés

Les variateurs de vitesse sont utilisés pour contrôler les différentes quantités électriques, magnétiques et
mécaniques des moteurs AC, sa structure se compose de deux parties principales, la partie puissance s’agit
d’un dispositif d’électronique de puissance (Onduleur triphasé) qui génère une tension ayant une amplitude et
une fréquence variables à partir d’une source de tension à amplitude et fréquence fixes (Réseau triphasé). Les
signaux qui contrôlent les semi-conducteurs sont fournis par la partie commande, ils sont générés sur la base
des différents algorithmes de contrôle tels que la commande scalaire, vectorielle, DTC, etc. L’utilisation de cet
équipement industriel pour l’alimentation des moteurs asynchrones présente plusieurs avantages, il permet
-5-
comme son nom l’indique de varier la vitesse des moteurs AC selon l’application désirée, comme il peut
réduire 50% de l’énergie consommée par la machine. En outre il permet de régler le couple électromagnétique
ainsi que le courant statorique afin de garantir une protection avantageuse pour toute la chaîne de commande.
Ce type de dispositif constitue actuellement un domaine de recherche très important du fait qu’il est l’un des
facteurs principaux du développement de nombreux domaines sur le plan pratique et économique.
1.1 - Commande scalaire �V⁄f �

En raison de sa simplicité, la commande scalaire fait partie des premières stratégies encore utilisées à
ce jour, cette commande se base sur le modèle dynamique en régime permanent sinusoïdal, de plus, elle peut
fonctionner en boucle ouverte ainsi qu’en boucle fermée en ajustant le rapport entre la valeur efficace de la
tension d’alimentation, et sa fréquence à une valeur fixe bien déterminée (𝑉𝑉/𝑓𝑓 = 𝑐𝑐𝑐𝑐𝑐𝑐). Par ce moyen, on peut
assurer le bon contrôle du flux et garantir à tout instant, le développement d’un couple électromagnétique
maximal à l’exception des basses fréquences, où l’addition d’une tension supplémentaire est indispensable
pour compenser la chute de tension des enroulements statoriques. Le contrôle du couple peut être effectué par
l’action sur la pulsation du glissement qui est issue d’un régulateur de vitesse, ce dernier assure la poursuite
d’une vitesse désirée en la comparant avec la vitesse mesurée, comme il est montré dans la figure (I.1) qui
décrit le principe général de la commande scalaire. Nous pouvons recommander les références suivantes
(Caron, 95 ; Meroufel, 09) pour une explication plus détaillée sur le principe de fonctionnement de cette
méthode. Il est à noter que cette dernière n’est pas considérée comme une technique assez puissante en raison
de sa capacité à ne fonctionner que dans une plage de vitesse restreinte, en outre, la réponse dynamique est
très lente et le contrôle devient extrêmement médiocre dans les basses vitesses, en plus, cette commande
possède des oscillations considérables à la présence des faibles couples de charge. D’un autre côté, il y a
certains avantages tels que la non-nécessité de connaitre des paramètres de la machine avec précision,
l’algorithme du contrôle utilise un minimum de paramètre pour développer les signaux de commande et en
particulier, il est possible d’asservir plusieurs moteurs par un seul circuit de commande. C’est pourquoi
de nombreux travaux récents visent à perfectionner cette stratégie en utilisant des techniques de régulation
avancées permettant de satisfaire les exigences industrielles (Suetake, 11 ; Saad, 12 ; Smith, 13).
V/ f = Constant Onduleur MLI Moteur à induction
𝜔𝜔𝑠𝑠 𝑉𝑉𝑠𝑠
𝑣𝑣𝑠𝑠
Vitesse de référence
Régulateur
𝜔𝜔𝑔𝑔 𝜔𝜔𝑠𝑠
+ +
− de vitesse +
Fréquence de commande
Vitesse mesurée
Figure I.1 : Schéma fonctionnel de la commande scalaire d’un MAS alimenté en tension
1.2 - Commande vectorielle (FOC)

Au début des années 1970, une nouvelle commande pour les moteurs à courant alternatif, appelée contrôle
par orientation du flux a été proposée à travers les travaux de Hasse et Blaschke (Hasse, 69 ; Blaschke, 72).
Cette méthode est conçue afin de rendre le comportement du MAS similaire à celui d’un MCC à excitation
séparée dans lequel, le couple électromagnétique et le flux d’excitation sont naturellement découplés.
Le principe du FOC est fondé sur la transformée de Park en choisissant un référentiel lié au champ tournant,
la connaissance de la position du flux est essentielle pour assurer une orientation correcte du vecteur flux,
la différence entre la méthode directe et indirecte tient dans la manière de la détermination de cet angle.
Dans le cas de la commande vectorielle directe, la pulsation statorique est calculée directement par la mesure
des courants, ou bien à travers un capteur de flux. Dans le cas de la méthode indirecte, la position du flux est
-6-
obtenue par l’intermédiaire d’une estimation de la pulsation de glissement. En fait, c’est l’une des propriétés
du référentiel lié à la vitesse de synchronisme, ce référentiel se distingue par la nature constante des variables
fondamentales du moteur permettant de simplifier la tâche de régulation des différentes quantités à contrôler,
à savoir les courants et les flux. Un deuxième avantage de ce référentiel est par rapport à la commande
vectorielle indirecte qui consiste à estimer la position du flux à orienter (rotorique ou statorique) par rapport
au plan stationnaire, l’apparition de la pulsation de glissement dans ce modèle permet la détermination de
la pulsation statorique en utilisant la loi d’autopilotage, par la suite, cette information sera la base de la
détermination de la fréquence appropriée de la tension d’alimentation, alors que sa valeur efficace sera
déterminée à travers les boucles de régulation des courants, qui sont liées directement aux boucles intérieures
de la commande, telles que de la vitesse ou peut être du flux. Cette technique de commande représente un axe
de recherche très intéressant étant donné de ces performances élevées en matière de rapidité et de robustesse,
que ce soit pour les régimes transitoires ou permanents, en outre, elle peut garantir un contrôle optimal du
couple même à l’arrêt de la machine. Par conséquent, l’optimisation du contrôle vectoriel peut s’effectuer par
le renforcement des différents étages de régulation en incorporant des régulateurs sophistiqués (Karanayil, 07 ;
Barambones, 07 ; Gadoue, 10 ; Oliveira, 16 ; Mehazzem, 17b ; Bahloul, 18 ; Aichi, 20a ; Aichi, 20c), ou bien,
par rapport à la précision de l’estimation de la position du vecteur flux qui caractérise le principe de base par
lequel, l’orientation du flux peut s’effectuer selon la façon prévue. La figure ci-dessous présente d’une façon
générale la commande vectorielle par orientation du flux.
Onduleur MLI Moteur à induction
∗
𝑖𝑖𝑑𝑑𝑑𝑑
Régulation ou
Régulation 𝑣𝑣𝑠𝑠∗ 𝑣𝑣𝑠𝑠
imposition du flux 𝑉𝑉ref
du courant Park
∗ 𝜔𝜔𝑠𝑠
𝑖𝑖𝑞𝑞𝑞𝑞 inverse
+
Régulation de
− la vitesse Courant du stator
Park
𝜔𝜔𝑠𝑠
Détermination de « 𝜔𝜔𝑠𝑠 »
Vitesse de rotation
Figure I.2 : Schéma fonctionnel de la commande vectorielle par orientation du flux d’un MAS
1.3 - Commande directe du couple (DTC)

La première proposition de la DTC a été aux années 80 à travers les travaux de Takahashi et Depenbrock
(Depenbrock, 88 ; Takahashi, 89). La figure (I.3) illustre le schéma fonctionnel général de cette technique, son
principe de base consiste à contrôler directement le couple électromagnétique et le flux statorique du moteur
en utilisant des comparateurs à hystérésis qui pourrait assurer la convergence des variables à contrôler vers
leurs références, les sorties des comparateurs seront la base de la détermination des instants de commutation
des IGBT à travers une table de sélection prédéfinie (Gdaim, 13). Cette commande s’exécute par l’utilisation
d’un repaire stationnaire, cela est l’un des avantages de la DTC qui n’utilise pas des transformations de Park
nécessitant la connaissance de l’angle entre le rotor et le stator, seul le secteur dans lequel se trouve le flux
statorique est requis pour appliquer un vecteur de référence pour la tension d’alimentation. La DTC
se caractérise par la dynamique rapide et la précision du contrôle du couple sans passer par des techniques de
découplage ou de linéarisation, comme dans le cas de la commande vectorielle, en outre, ses applications sur
les moteurs asynchrones à justifier sa robustesse devant les variations paramétriques. Cependant, la qualité
de l’estimation des variables fondamentales peut affecter la dynamique du contrôle, cela peut conduire à une
dégradation notable du contrôle en cas de perturbations structurelles. Par conséquent, de nombreux travaux
visent à compenser cette faiblesse en utilisant des techniques d’estimation sophistiquées (Zidani, 06 ;
Holakooie, 18 ; Holakooie, 19 ; Ammar, 20). D’autre part, il est connu que la DTC provoque des ondulations
-7-
souvent importantes au niveau du couple et du flux, en particulier dans les basses vitesses, ce comportement
indésirable est principalement dû à la fréquence de commutation de la nature instable qui dépend à la bande
hystérésis des comparateurs, cela conduit généralement à un contenu riche en harmoniques permettant
d’augmenter les pertes dans la machine et provoquer de fortes vibrations avec un contrôle modeste des courants
statoriques durant les régimes transitoires. Pour cela, plusieurs améliorations ont été proposées afin de corriger
ces inconvénients par rapport au contrôle des différentes machines AC. Les auteurs de (Maes, 98) ont visé à
obtenir une fréquence de commutation fixe par l’utilisation de la technique MLI afin d’améliorer la qualité du
contrôle en éliminant la table de sélection. D’autre part, l’utilisation de la technique SVM ou la MLI vectorielle
pour le contrôle des bras de l’onduleur, offre une solution meilleure pour réduire les oscillations de flux et de
couple, bien que l’algorithme puisse devenir plus complexe (Belkacem, 11 ; Zhang, 10 ; Abosh, 17). Dans le
même cadre, l’élimination des comparateurs à hystérésis et leur remplacement par des régulateurs non linéaires
conduit à une optimisation remarquable de la DTC, l’utilisation des méthodes de Lyapunov, du contrôle par
mode glissant, ou bien l’intégration de la logique floue de type 1, de type 2 et les réseaux neurones artificiels,
peut assurer un contrôle de haute performance des entrainements électriques industriels (Lai, 03 ; Areed, 10 ;
Naik, 12 ; Ammar, 17a ; Ammar, 17b ; Bindal, 20 ; Mesloub, 20 ; Krim, 20).
Comparateurs à hystérésis Table de sélection Onduleur Moteur à induction

C 𝑇𝑇𝑇𝑇 𝑠𝑠1
+
−
𝑣𝑣𝑠𝑠
𝑠𝑠2
C 𝜓𝜓
référence
Flux de
𝑠𝑠3
+
−
𝜓𝜓𝑠𝑠 (𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒é) Tensions et courants

Estimation du statoriques
𝑇𝑇𝑇𝑇 (𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒é) couple et du
flux
Couple de référence Régulation de Vitesse de rotation

−
la vitesse +
Figure I.3 : Schéma de base de la commande directe du couple d’un MAS alimenté en tension
1.4 - Commande Backstepping

La commande Backstepping développée par (Kanellakopoulos, 91), est l’une des techniques non linéaires
basées sur la stabilité de Lyapunov, les plus utilisées dans de nombreux domaines techniques tels que
l’aéronautique (Jiang, 18 ; Almakhles, 20), la robotique (Pan, 18 ; Xu, 20), les moteurs électriques (Drid, 07 ;
Hamida, 17 ; Harrouz, 18), etc. Elle se caractérise par sa capacité à spécifier les conditions suffisantes à
la stabilité des systèmes multivariables d’ordre élevé, sans avoir à résoudre les équations différentielles
du modèle à contrôler. Son principe de base se repose sur la décomposition du système global en une cascade
de sous-systèmes de premier ordre, le calcul de la commande finale commence par l’intérieur de la boucle ;
une loi de commande pour le premier sous-système sera élaborée sur la base du deuxième théorème
de Lyapunov, ce signal de commande sera considéré comme référence pour le sous-système suivant jusqu’au
dernier sous-système, dans lequel, la commande finale est déterminée pour assurer la stabilité asymptotique
du système global (Krstić, 95 ; Benaskeur, 00). Plusieurs variantes de la commande Backstepping ont été
présentées dans la littérature (Zaafouri, 16 ; Ben Regaya, 18 ; Xu, 19 ; Aichi, 20a). La commande Backstepping
classique présente l’inconvénient de la fragilité devant les perturbations extérieures avec la présence d’une
erreur statique non nulle, d’après l’étude comparative présentée dans (Mehazzem, 17b). Par conséquent,
les mêmes auteurs ont développé une nouvelle version basée sur l’action intégrale ; ils ont remplacé le modèle
classique par un modèle multiscalaire, ensuite, ils ont développé un contrôle global en utilisant une régulation
-8-
successive en série basée sur une combinaison appropriée du Backstepping et du contrôle vectoriel
(Mehazzem, 17a). Nous mentionnons que l’action intégrale a été largement utilisée pour l’amélioration de
la qualité du contrôle non linéaire (Morawiec, 15), alors que dans (Rkhissi, 17), une nouvelle commande
Backstepping a été développée en utilisant la technique de l’intégrale du signe de l’erreur (RISE), cette
optimisation a été utilisée particulièrement pour compenser les perturbations relatives aux couples de charge
dans des conditions spécifiques. Pour le même but, de nombreuses études ont montré que, tout comme l’action
intégrale peut améliorer la qualité du contrôle dans les régimes permanents, elle peut affecter négativement
la dynamique des régimes transitoires selon les travaux de Aichi et al. (Aichi, 20a). Les auteurs se sont inspirés
de l’idée du PI à gains variables et l’ont appliqué d’une manière différente dans les boucles de régulation, qui
se basent sur le contrôle par la méthode de Lyapunov adoptée dans le Backstepping. La commande
Backstepping à gains variables a été appliquée au début pour améliorer la qualité du contrôle de la vitesse d’un
moteur asynchrone triphasé (Aichi, 18a ; Aichi, 20b), ensuite, la structure des régulateurs non linéaires à gains
variables (NVGC) a été introduite dans la chaine de régulation du courant (Aichi, 20a), cette optimisation a été
en mesure d’élaborer un variateur de vitesse performant, robuste et capable de garantir une haute performance
pour un fonctionnement à basses fréquences ainsi qu’à des fréquences élevées.
2 - Techniques d’optimisation de la commande des moteurs asynchrones

La base de la majorité des techniques de commande comme la DTC et la IFOC a été les régulateurs
classiques à savoir les PI et les contrôleurs à hystérésis. Avec le développement de l’outil informatique,
l’optimisation de ces stratégies de commande est devenue possible en utilisant des méthodes de régulation plus
avancées comme celles basées sur l’intelligence artificielle, la logique floue, le mode glissent entre autres.
Cela permet d’élaborer de nouvelles techniques capables de répondre aux exigences industrielles.
2.1 - Contrôle basé sur l’intelligence artificielle

Afin de contribuer à surmonter les différentes contraintes relatives au contrôle des systèmes non linéaires,
les chercheurs ont commencé à étudier la possibilité de concevoir un système émulant certaines fonctions que
le cerveau humain peut effectuer, telles que l’apprentissage, l’auto-adaptation et la flexibilité de
fonctionnement en présence des incertitudes importantes avec une information limitée. Sur la base de ces
aspects, plusieurs techniques d’optimisation, regroupées sous le nom de l’intelligence artificielle, ont été
développées et largement utilisées pour servir à améliorer de nombreuses solutions techniques dans
l’asservissement, le diagnostic et l’identification des paramètres des systèmes électriques. Ce domaine
comprend de nombreux outils mathématiques tels que les réseaux de neurones artificiels, la logique floue et
les algorithmes génétiques. Étant donné que les machines AC font partie des systèmes non linéaires avec
un modèle incertain, l’utilisation de l’intelligence artificielle offre une solution intéressante qui assure
l’amélioration des différentes stratégies de commande.
Les réseaux de neurones artificiels constituent une famille de fonctions non linéaires permettant de
construire par apprentissage, une large classe de modèles et de contrôleurs. L’origine de cet aspect vient
de l’essai de modélisation du neurone biologique dans lequel on peut supposer que l’impulsion nerveuse
représente le résultat d’un simple calcul effectué par chaque neurone, et que la pensée née grâce à l’effet
collectif d’un réseau de neurones interconnectés (Jodouin, 94 ; Baghli, 99). L’utilisation des réseaux
de neurones ne se limite pas sur un domaine spécifique, ils peuvent également appliquer pour la classification,
la reconnaissance de formes, l’identification et l’estimation paramétrique des systèmes physiques. D’autre part,
son application pour la commande des moteurs triphasés a pu offrir une performance intéressante de plusieurs
indices, notamment en ce qui concerne sa relative indépendance vis-à-vis des paramètres structurels. Cela
impose son utilisation à travers de nombreuses variantes dans le domaine des variateurs de vitesse industriels
(Accetta, 14 ; Masumpoor, 15 ; Quintero, 17 ; Mishra, 20). Dans le même cadre, les approches basées sur la
logique floue représentent aussi une solution très puissante pour le contrôle des systèmes non linéaires n’ayant
pas un modèle mathématique précis. Cette théorie, établie par Zadeh en 1965 (Zadeh, 65), s’approche de la
-9-
démarche humaine vu que les variables traitées ne sont pas des variables logiques mais plutôt des variables
linguistiques pareilles au langage humain. Elle exprime l’idée d’une appartenance partielle d’un élément à un
ou plusieurs ensembles à travers un certain degré d’appartenance, contrairement à la logique classique qui
suppose qu’un élément appartient ou n’appartient pas à un ensemble spécifique. D’un point de vue pratique,
il est rare de trouver des cas dont le statut est absolument défini, c’est pourquoi la logique floue a reçu un
intérêt particulaire pour les applications réelles, dont la première a été réalisée par Mamdani (Mamdani, 74),
puis son utilisation et son développement se sont largement étendus jusqu’à nos jours dans divers domaines
industriels et domestiques (Precup, 11 ; Saad, 12 ; Masumpoor, 15 ; Xu, 19 ; Bindal, 20).
2.2 - Contrôle par mode glissant

Comme la majorité des systèmes réels sont essentiellement non linéaires, le contrôle non linéaire a connu
une expansion ainsi qu’une diversification considérable, permettant le développement des stratégies de
commande très avancées. La théorie de la géométrie différentielle est l’un des outils efficaces pour l’analyse
et l’implémentation de la commande d’un système non linéaire, comme la méthode par linéarisation exacte.
Cette dernière se base sur la linéarisation du système par compensation, puis on applique un contrôle linéaire
classique, par retour d’état par exemple, sur le modèle linéarisé (Sastri, 89). Les résultats obtenus via
l’application de cette technique et d’autres variantes ont montré une détérioration remarquable du contrôle
en présence de perturbations extérieures, c’est l’aspect qui pourrait être amélioré à travers l’utilisation de
la théorie du mode glissant (Utkin, 77 ; Slotine, 91 ; Utkin, 92 ; Levant, 98). Pour des raisons de simplicité et
de robustesse devant les incertitudes et les dynamiques non modélisées, cette méthode présente une solution
appropriée pour le contrôle des systèmes non linéaires ayant une nature incertaine et perturbée. Le contrôle
par mode glissant se repose sur la définition d’une surface dite de glissement, en fonction des états du système
pour que cette surface doive être attractive, la commande globale synthétisée se compose de deux termes
essentiels, dont le premier à une action assure l’attractivité de la variable à contrôler vers la fonction de
glissement, tandis que le second terme permet de maintenir le glissement le long de cette surface (Utkin, 93).
Cependant, l’utilisation de la fonction ‘Signe’ dans la partie attractive de la commande, provoque un
phénomène appelé le Chattering, qui peut être défini par de fortes variations à hautes fréquences du signal
délivré par le contrôleur (Levant, 10), cela peut exciter des modes non modélisés dans le système, même il
peut déstabiliser le processus ou l’endommager complètement. De ce fait, de nombreuses solutions ont été
présentées dans la littérature afin de contourner cet inconvénient majeur. L’introduction d’une bande de
transition autour de la surface de glissement en transformant la fonction signe en saturation, est parmi les
premières optimisations apportées à ce type de contrôle par lequel, le phénomène de Chattering a été
relativement réduit (Burton, 86 ; Slotine, 91). Une deuxième classe du mode glissant a été développée pour
le même objectif, le mode glissant adaptatif se repose principalement sur une action attractive à gain
dynamique, l’intérêt de cette structure est l’adaptation de l’amplitude du gain correctif par rapport à l’erreur
de régulation en prend en considération les fluctuations dans les signaux de commande. Dans (Plestan, 10),
deux méthodologies de conception d’un contrôle adaptatif par mode glissant ont été proposées, ce travail vise
à obtenir une loi de commande robuste face aux différentes perturbations, dont seule la caractéristique de limite
a été prise en compte. Les auteurs de (Jamoussi, 13) présentent une nouvelle structure du contrôle par mode
glissant par l’utilisation d’un gain de commutation adaptatif avec un intégrateur, cette approche a permis
d’assurer une très bonne réponse dynamique et une atténuation significative du Chattering. Le mode glissant
d’ordre fractionnaire a été également proposé par plusieurs chercheurs pour surmonter les limitations du mode
glissant classiques et optimiser ses performances (Zhang, 12 ; Tang, 13 ; Sun, 18 ; Zaihidee, 19). D’autre part,
le mode glissant d’ordre élevé est une variété de techniques développées pour éviter la forte commutation du
contrôle, en réalisant une loi de commande assure la convergence de la variable à contrôler d’une façon spirale
amortie au lieu d’une façon linéaire directe, tout en conservant les principaux avantages du mode glissant
traditionnel (Fridman, 96 ; Bartolini, 98 ; Levant, 03). La majorité de ces techniques nécessitent la disponibilité
des dérivées par rapport au temps de la surface de glissement, augmentant ainsi la demande de l’information
pour la conception du contrôleur, c’est pourquoi l’algorithme de Super-Twisting est l’une des solutions
- 10 -
intéressantes du mode glissant d’ordre supérieur. Il peut être appliqué à un système dont la variable
de commande apparaît dans la première dérivée de la surface de glissement, la mesure de cette dernière est
la seule information utilisée pour assurer une convergence en temps fini vers l’origine de la surface et
de sa dérivée temporelle, permettant également de compenser les incertitudes de Lipschitz (Morfin, 18).
Le Super-Twisting mode glissant est l’une des meilleures approches utilisées pour développer un contrôleur
extrêmement robuste avec un signal de commande continu et une régulation optimale des régimes transitoires,
ses caractéristiques en fait parmi les plus populaires et les plus développables dans le domaine de la commande
des machines électriques (Yaichi, 09 ; Rivera, 11 ; Rafiq, 12 ; Ammar, 17a ; Sami, 20 ; Krim, 20 ; Lascu, 20).
2.3 - Contrôle par la méthode de Lyapunov

Les théorèmes de Lyapunov sont l’une des bases fondamentales utilisées dans la commande des systèmes
non linéaires d’ordre élevé, que ce soit pour déterminer les lois de commande appropriées (Lin, 08 ;
Mehazzem, 17a), ou bien pour analyser la stabilité des systèmes de régulation (Hamzaoui, 03 ; Aichi, 20c).
L’utilisation de la première loi de Lyapunov a pour but de linéariser le système à contrôler afin d’utiliser des
méthodes linéaires, cependant, ce théorème a une importance limitée sur le plan pratique en raison de plusieurs
facteurs. D’un côté, il ne permet d’étudier que la stabilité locale et ne donne aucune information sur stabilité
globale, et d’un autre côté, on suppose à travers ce théorème, que les développements en séries des seconds
membres des équations comportent des termes du premier degré, ce qui signifie qu’il existe une supposition
d’une approximation du premier degré (Benaskeur, 00), cette hypothèse exclut un nombre considérable de cas
importants, contrairement à la deuxième loi de Lyapunov. Cette dernière est dérivée du concept de l’énergie
dans un système physique ; cette énergie peut être considérée comme une fonction prédéfinie positive.
Le système est dit conservatif si l’énergie reste constante, et il est dit dissipatif si l’énergie se décroît. D’après
Lyapunov, dans ces deux cas, le système est considéré stable car la limite de l’énergie tend vers une valeur
constante définie. Dans le cas contraire, si l’énergie augmente, on ne peut pas juger la stabilité du système,
il sera donc considéré comme instable. Par conséquent, la stabilité d’un système de contrôle peut être vérifiée
en étudiant la variation de l’énergie. C’est-à-dire, soit « 𝑥𝑥 » une variable relative à une erreur de régulation,
si on peut trouver une fonction « 𝑉𝑉 = 𝑓𝑓(𝑥𝑥) » de signe défini dans un domaine « 𝒟𝒟 » ayant un point d’équilibre
tel que : { 𝑉𝑉(0) = 0, 𝑉𝑉(𝑥𝑥) > 0, ∀ 𝑥𝑥 ≠ 0 }, et dont la dérivée temporelle « 𝑉𝑉̇ (𝑥𝑥) » est semi-définie de signe
opposé dans le même domaine, donc quel que soit le temps, on aura : « 𝑉𝑉(𝑥𝑥). 𝑉𝑉̇ (𝑥𝑥) ≤ 0 ». Cela garantit
que l’équilibre sera asymptotiquement stable dans ce domaine selon le théorème de Barbashin-Krasovski
(Gille, 88 ; Benaskeur, 00). Ce genre de contrôle se retrouve souvent dans les différentes stratégies reposant
sur le principe du Backstepping (Drid, 07 ; Trabelsi, 12 ; Mehazzem, 17a ; Ben Regaya, 18 ; Aichi, 20a).
2.4 - Régulation hybride

Ce type de régulation consiste à adopter plusieurs techniques de contrôle au même temps afin d’aboutir
à un régulateur avec un maximum d’avantages. La façon souvent utilisée est de remplacer une partie
fondamentale d’un contrôleur principal par un autre type de contrôle nommé la partie d’optimisation. Cela est
dans le but d’améliorer la qualité de régulation, ou bien pour éliminer un inconvénient qui ne peut être ignoré,
comme dans le cas du contrôle neuro-flou et le glissant-flou (Saghafinia, 15 ; Masumpoor, 15 ; Bendaas, 16 ;
Mishra, 20). D’autre part, il existe une deuxième variante très intéressante de la commande hybride, elle se base
sur l’utilisation d’un superviseur de régulation permettant d’assurer un fonctionnement simultané de deux
contrôleurs avec un taux d’activation différent, la structure semble compliquée mais les résultats peuvent être
intéressants. Cette configuration a été principalement développée pour pallier le problème de Chattering dans
le contrôle par mode glissant, le travail présenté dans (Wong, 98) est l’une des premières applications de
ce genre de contrôleur sur les systèmes non linéaires, les auteurs ont utilisé le SMC avec un simple régulateur
PI, un superviseur flou a été implémenté pour activer chaque contrôleur dans sa zone d’exploitation. Enfaite,
l’utilisation de la logique floue est très populaire pour développer un superviseur performant comme dans
le cas de (Hamzaoui, 03 ; Essounbouli, 03), ces études expliquent une technique de contrôle en utilisant
- 11 -
le SMC avec la commande H∞, cette structure combine les avantages des deux contrôleurs afin d’assurer de
bonnes performances de suivi aussi bien en régime transitoire qu’en régime permanent, permettant de fournir
une réponse dynamique rapide et élargit les limites de stabilité du système, tout en réduisant le phénomène de
Chattering induit par le SMC, la stabilité globale du système a été prouvée selon la théorie de Lyapunov.
D’un autre côté, les auteurs de (Aichi, 18c) ont préféré se passer du superviseur flou et faire une combinaison
de mode glissant flou avec un contrôleur non linéaire adoptant la méthode de Lyapunov, la commutation des
régulateurs a été assurée par un superviseur gaussien bidimensionnel, les résultats obtenus concernant
le contrôle de la vitesse d’un MAS ont montré une élimination totale du Chattering avec une bonne dynamique
du contrôle, cependant, la charge de calcul a été fortement augmentée, en outre, la méthode n’a été vérifiée
que par simulation et la stabilité du contrôle n’a pas été vérifiée. En revanche, la contribution principale
du travail présenté dans (Aichi, 20c) a été par rapport à la simplicité d’un algorithme de contrôle d’un moteur
asynchrone triphasé, les auteurs ont adopté un PI Anti-Windup pour contrôler le régime permanent et un SMC
conventionnel pour piloter les régimes transitoires, l’élimination du phénomène de Chattering a été effectuée
par l’intermédiaire d’un simple superviseur linéaire, qui a été en mesure d’assurer un contrôle optimal
des différents régimes de fonctionnement, alors que la stabilité de l’ensemble de régulation a été vérifiée par
le biais du théorème de Lyapunov. Les résultats pratiques présentés montrent des performances de contrôle
très acceptables tout en éliminant de manière significative les inconvénients du contrôle par mode glissant.
3 - Méthodes d’estimation pour la commande sans capteur mécanique

L’utilisation des machines AC pour les applications à vitesse variable, se repose essentiellement sur un
ensemble de chaines de régulation qui assurent la convergence des quantités réelles vers leurs valeurs
de référence. L’un des facteurs qui complique le contrôle des MAS est la manière de l’obtention de certaines
variables physiques, ou bien le manque d’informations intervenant dans les chaines de régulation. L’utilisation
des capteurs physiques peut largement répondre à ces exigences techniques. Mais en raison des conditions
industrielles nécessitant certaines normes telles que la simplicité du montage, l’élimination des espaces
supplémentaires, la robustesse devant les conditions défavorables, la réduction du coût des installations, entre
autres, il est fortement recommandé de supprimer le maximum de capteurs afin d’atteindre l’objectif de
la commande optimale. Les capteurs logiciels, les estimateurs ou les observateurs d’état, sont des algorithmes
additionnels intégrés dans les programmes de commande capable de fournir une information sur des quantités
physiques spécifiques. Son principe repose sur la connaissance de certaines variables accessibles comme les
courants et les tensions statoriques, pour reconstruire une estimation d’une ou de plusieurs variables à
contrôler. L’évolution du modèle mathématique de l’estimateur, dit système d’estimation ou d’observation,
sera comparée avec l’évolution de la dynamique du système réel, l’écart entre les deux dynamiques sera la base
d’une correction qui assure la convergence des grandeurs estimées vers les valeurs réelles. De nombreuses
méthodes ont été développées dans la littérature pour la synthèse de ces algorithmes à partir des techniques
de linéarisation, de grand gain, de mode glissant, de platitude et d’autres méthodes stochastiques, etc.
3.1 - Estimation en boucle ouverte

Ces techniques se reposent sur l’utilisation de la représentation mathématique des machines AC sous forme
d’équations de Park. Si on ne considère que l’état d’équilibre, on les appelle des estimations statiques, alors
qu’on appelle un estimateur dynamique si on tient compte également les régimes transitoires. Pour les deux
cas, les variables estimées sont obtenues par une résolution directe des équations électromagnétiques du moteur
sans aucune rétroaction (Vas, 90 ; Boldea, 92 ; Grillet, 96 ; Al-Rouh, 04). La simplicité de l’implémentation
et la non-nécessité d’un calculateur numérique puissant, sont les principaux avantages de ces techniques,
cependant, leur utilisation n’a été limitée que pour les applications à faible performance. La mise en œuvre de
ces méthodes requise un modèle mathématique exact de la machine en négligeant les variations paramétriques,
ce qui les rend extrêmement sensibles aux perturbations structurelles provoquées par les différentes conditions
de fonctionnement des machines. Dans (Ghouili, 05), l’auteur a brièvement présenté quelques méthodes de ces
approches comme celle basée sur le repère stationnaire ou bien l’estimation qui se repose sur la commande par
- 12 -
orientation du flux, dans cette dernière, la mesure des grandeurs électriques servira de base à l’estimation
des variables magnétique, et les variables de sortie peuvent être utilisées pour déterminer les pulsations
électriques ainsi que l’angle d’orientation en utilisant les équations de la commande vectorielle.
3.2 - Observateur de Luenberger

Dans les années soixante-dix, Luenberger a étudié la notion d’observabilité qui a permet de proposer son
observateur pour les systèmes linéaires (Luenberger, 71). Cette technique est fondée sur l’hypothèse de
la connaissance exacte des paramètres d’un système dynamique où les mesures ne sont pas très bruitées.
Cette considération permet le développement d’un algorithme d’observation d’une manière très simple qui ne
nécessite pas une grande charge arithmétique. Cet observateur classé dans la catégorie des méthodes
déterministes, consiste à identifier un vecteur d’état constitué des variables mesurables et d’autres à observer,
la comparaison entre les sorties de l’observateur avec celles du système réel peut être la base d’une action de
correction permettant la convergence exponentielle des grandeurs estimées vers leurs valeurs réelles. Un choix
judicieux doit être effectué pour les paramètres de l’observateur car sa stabilité est directement relative
au choix des gains qui sont utilisés pour donner un poids à l’action de correction. La méthode linéaire
de placement de pôles est l’une des techniques proposées pour réaliser cette étape essentielle, comme dans
le cas de (Kubota, 93 ; Kubota, 94). En effet, ces travaux présentent l’une des premières applications de
l’observateur de Luenberger sur les moteurs asynchrones triphasés qui ayant un modèle fortement non linéaire,
que ce soit l’utilisation d’un modèle d’ordre complet ou un modèle d’ordre réduit. La façon dont la vitesse de
rotation est intervenue dans le modèle de la machine complique l’observation des différents états, pour cela,
il est nécessaire de faire appel à l’observateur de Luenberger adaptatif qui est destiné aux systèmes
non linéaires (Kowalska, 89 ; Jouili, 12 ; Fan, 19). Ce dernier est équipé d’un mécanisme d’adaptation permet
de modifier à tout moment la matrice de transaction de la machine, assurant ainsi l’ajustement de l’information
qui peut annuler l’erreur entre les états réels disponibles est leurs valeurs observées. La détermination de
l’algorithme d’adaptation est développée selon le théorème de Lyapunov qui garantit au même temps la
stabilité asymptotique du système global. En revanche, cette technique présente une sorte de fragilité due à
la présomption de bonne connaissance des paramètres de la machine, pratiquement, cette hypothèse est loin
d’être valable du fait que les paramètres du moteur peuvent varier sous l’effet des conditions normales de
fonctionnement. D’autre part, les avantages de cette méthode ont incité de nombreux chercheurs à vouloir
améliorer les performances du contrôle sans capteur via cet observateur. Dans (Morfin, 18), une combinaison
entre deux techniques a été proposée, un observateur non linéaire par mode glissant est utilisé pour identifier
les composants du flux rotorique sur les deux axes, tandis qu’un observateur de Luenberger d’ordre réduit est
conçu pour estimer le couple de charge, et par la suite la vitesse mécanique. Dans une autre application, les
auteurs de (Kim, 17) ont proposé un schéma d’observation pour le flux et la résistance du rotor par l’utilisation
d’un observateur de Luenberger étendu, la matrice de correction a été améliorée par une combinaison entre
des termes conventionnels et d’autres basés sur la théorie du contrôle par mode glissant, cela a permis
de fournir une estimation précise du flux et de la résistance du rotor. Cette manière d’optimisation est très
populaire étant donné du nombre de travaux visant l’amélioration de l’observateur de Luenberger
en incorporant d’autres stratégies comme les modèles de référence adaptatifs, l’optimisation multiobjectif, la
logique floue, etc. (Zorgani, 16 ; Bennassar, 17 ; Bahloul, 18). Pour le même objectif, on trouve de nombreuses
approches qui maintiennent la structure générale, tandis que l’optimisation peut être par rapport aux gains de
correction ou bien au niveau du mécanisme d’adaptation (Jouili, 12 ; Accetta, 14 ; Holakooie, 16).
3.3 - Système adaptatif à modèle de référence (MRAS)

Le système adaptatif à modèle de référence se compose de deux estimateurs partiels indépendants l’un de
l’autre : le premier est le modèle de référence qui n’implique pas la variable à estimer, le deuxième est appelé
le modèle ajustable qui est en fonction de l’information requise, cette dernière sera obtenue à travers l’écart
entre les sorties des deux estimateurs, par l’intermédiaire d’un algorithme d’adaptation qui peut être développé
selon théorème d’hyperstabilité de Popov (Schauder, 92). Dans le cas des MAS, l’erreur entre les sorties
- 13 -
des estimateurs peut être en fonction du flux rotorique ou statorique, des forces électromotrices, ou bien par
rapport aux courants statoriques. En revanche, le MRAS basé sur les puissances active et réactive présente la
meilleure technique en raison de son indépendance de la résistance statorique (Rashed, 06). Plusieurs
améliorations ont été apportées à cet estimateur (Gadoue, 10 ; Cirrincione, 13 ; Ben Regaya, 14a ; Wang, 18 ;
Holakooie, 19 ; Ammar, 20), des contributeurs ont proposé d’hybrider le MRAS avec d’autres approches telles
que le mode glissant et l’intelligence artificielle, tandis que d’autres ont suggéré que la performance pourrait
être considérablement optimisé en remplaçant le mécanisme d’adaptation conventionnel par un autre basé sur
la logique floue ; il est à noter qu’il est nécessaire de respecter la charge arithmétique supportée par l’unité du
contrôle car cette modification augmente considérablement ce facteur important dans les applications réelles.
3.4 - Observateur à grand gain

La synthèse des observateurs de type grand gain a été progressivement développée à partir de plusieurs
études de caractérisation des systèmes non linéaires uniformément observables, dans le cas où le système
à observer est Lipschitz, il est possible de concevoir un observateur grand gain dont l’erreur d’observation
sous-jacente converge exponentiellement vers zéro. Suivant les différentes hypothèses des concepts du grand
gain, le développement d’un tel observateur dépend du choix judicieux de certains paramètres spécifiés avec
des valeurs suffisamment grandes, permettant d’élaborer un observateur exponentiel pour le système
à observer (Maatoug, 09 ; Dib, 12 ; Treangle, 18). Plusieurs techniques ont été développées pour synthétiser
des observateurs sur la base des concepts du grand gain, les contributions se distinguent particulièrement par
la classe des systèmes considérée et les hypothèses de modélisation prises en compte. Un observateur
interconnecté a été proposée dans (Ghanes, 05 ; Traore, 08), la structure utilisée adopte une approche grand
gain à travers une décomposition judicieuse du modèle d’observation du modèle de la machine en une cascade
de deux sous-systèmes. Sur la base de cette technique, une nouvelle extension de l’observateur interconnecté
adaptatif a été présentée dans (Traore, 09), l’observateur estime le flux, la vitesse angulaire, le couple de charge
et la résistance du stator même dans les conditions proches des zones inobservables, tandis que la stabilité
uniforme de la dynamique des erreurs d’estimation a été prouvée par le théorème de Lyapunov.
Les contributeurs de (Dib, 11) ont introduit un observateur qui permet d’identifier simultanément les grandeurs
mécaniques et magnétiques d’un moteur asynchrone à partir des mesures disponibles sur la base de deux
résultats fondamentaux : le premier concerne la synthèse d’un observateur grand gain pour une classe de
systèmes perturbés adoptant le modèle mathématique, tandis que le deuxième concerne une analyse avancée
de l’observabilité de la machine étudiée, outre la simplicité de l’implémentation de cet observateur, le gain
d’observation a été judicieusement modifié pour des considérations de faisabilité des calculs lorsque le moteur
fonctionne dans des conditions incompatibles avec les conditions d’observabilités (Dib, 12). Dans une autre
application, le travail présenté dans (Kadrine, 20) prend en compte la présence de bruits pendant la mesure,
un observateur non linéaire du type grand gain avec une adaptation en ligne du gain, a été proposé pour le
contrôle de la vitesse d’un MAS, la méthode proposée exploite les propriétés de l’équation différentielle
de Riccati pour trouver les paramètres variables garantissant le meilleur compromis entre la rapidité
de convergence, le rejet du bruit et l’atténuation de la valeur de crête du gain durant les transitoires,
par conséquent, la robustesse a été également garantie dans des conditions de fonctionnement critiques pour
lesquelles, les performances d’un observateur standard à gain fixe sont susceptibles de se détériorent.
3.5 - Observateur mode glissant

Les bases du contrôle par mode glissant ont commencé à être utilisées pour l’observation à la fin du siècle
dernier grâce aux travaux de Slotin, Utkin et d’autres chercheurs (Utkin, 78 ; Slotine, 87 ; Utkin, 09), l’objectif
principal était d’exploiter les avantages de cette technique dans l’observation comme dans le cas de la
commande. Sans aucune supposition sur les différents bruits de mesure et du système, l’utilisation d’une simple
fonction signe peut déterminer si le vecteur d’état observé et le vecteur de mesure sont proches l’un de l’autre,
le modèle du système physique peut être la base d’une pré-estimation d’un vecteur d’état qui est partiellement
mesurable. L’objectif est de forcer la dynamique de l’erreur d’observation à converger vers un point d’équilibre
- 14 -
par l’utilisation d’une commutation à haute fréquence à travers laquelle, les variables estimées restent dans
une variété de surfaces de glissement prédéfinies. Le développement des lois de correction sera basé sur les
critères d’existence du mode glissant. Cet observateur qui se distingue par ses actions correctives discontinues,
peut compenser de manière significative les effets de variation structurelle, ce qui le rend relativement robuste.
En revanche, la difficulté pratique réside dans le choix de la matrice des gains de correction qui assurent
l’annulation de l’erreur d’estimation, un mauvais choix de cette dernière peut déstabilise l’observateur à cause
du Chattering. Bien que ce phénomène ne soit pas de la même gravité par rapport au cas de la commande, son
existence ne doit pas être ignorée, l’intégration d’un filtre passe-bas à l’action d’attractive est l’une des plus
simples solutions minimisant l’effet du Chattering (Rehman, 02 ; Li, 05b). D’autres techniques consistent
à remplacer la fonction signe par une autre forme basée sur la logique floue qui permet d’atténuer un certain
pourcentage de fluctuations (Ben Regaya, 14b). D’un autre côté, la combinaison de cette méthode avec d’autres
techniques d’estimation présente également une solution intéressante (Kim, 17 ; Morfin, 18), alors que
l’exploitation du mode glissant d’ordre supérieur est l’une des optimisations très populaires qui garantit une
observation de haute performance (Aurora, 07 ; Ilten, 19 ; Sami, 20).
3.6 - Observateur Backstepping

Les bases de la technique Backstepping n’ont pas été largement exploitées dans le domaine d’observation
par rapport à son utilisation pour le contrôle, ce type d’observateur se repose sur le principe de la synthétisation
partielle des états d’un système observable, afin d’élaborer une loi adaptative permettant une observation
récursive des différentes variables fondamentales, les principes de base généraux de cet observateur sont
dérivés de la technique de commande elle-même. En suivant les étapes conventionnelles du contrôle
Backstepping, il est possible de faire une estimation de certaines variables selon le modèle utilisé ainsi que
la méthode adoptée pour la formulation des erreurs observation, alors que la stabilité de l’observation peut être
confirmée à travers les théorèmes de Lyapunov. Cette technique a été adoptée dans (Trabelsi, 10a) pour
l’adaptation on-line de la résistance rotorique dans une commande Backstepping associée à une commande
vectorielle, alors que dans (Trabelsi, 10b), un observateur Backstepping pour l’estimation de la vitesse et pour
le flux du rotor, a été développé afin de réaliser une commande en temps réel sans capteur mécanique.
Morawiec a développé une nouvelle structure d’estimation pour de la vitesse et l’a nommée Z-type Observer
(Morawiec, 15), cet observateur a été obtenu par l’utilisation d’une synthèse de l’intégral Backstepping et
un mécanisme d’adaptation, les caractéristiques intéressantes de cette méthode sont la facilité de sélection des
paramètres ainsi que le faible écart d’estimation, de plus, la stabilité du système est assurée sur toute la plage
de variation de la vitesse. D’après l’auteur, les oscillations présentées dans les états observés sont également
faibles par rapport à celles obtenues à travers d’autres techniques basées sur le même principe, comme celles
développées à (Morawiec, 13), même Zaafouri et al. ont mentionné que leur technique développée dans
(Zaafouri, 16) pourrait entraîner des fluctuations importantes dans le couple par rapport au Z-type, bien que
ses résultats obtenus soient également intéressants, dans ce travail les chercheurs ont proposé une version
modifiée du contrôle sans capteur basé sur un observateur Backstepping adaptatif, la conception du contrôle
se base aussi sur la technique Backstepping, mais elle a été optimisée par l’introduction d’une action intégrale
des erreurs de poursuite, par conséquent, cette amélioration peut augmenter considérablement la robustesse
par rapport au Backstepping-Intégral conventionnel. L’analyse de stabilité de cet observateur a été effectuée
sur la base de la méthode du lieu des racines incluse dans le MATLAB, et les résultats expérimentaux
ont montré que la commande proposée offre de bonne performance en matière de rapidité, de rejet
des perturbations et d’insensibilité à la résistance du rotor, sauf que certaines fluctuations du couple
électromagnétique peuvent se produire pendant le fonctionnement du moteur à l’aide de cet observateur.
3.7 - Filtre de Kalman

Sur la base des critères statistiques, il est possible d’effectuer une estimation optimale de l’état d’un système
perturbé dont les propriétés stochastiques du bruit sont connues. Le filtre de Kalman appartient à cette classe
des observateurs d’état, cette méthode a été initialement adoptée pour résoudre le problème du filtrage
- 15 -
des systèmes discrets et continus (Kalman, 60 ; Kalman, 61), puis elle a été généralisée à plusieurs utilisations,
y a compris le domaine d’estimation et d’identification (Hsieh, 03 ; Hilairet, 09 ; Kumar, 11 ; Jafarzadeh, 12 ;
Yi, 13 ; Bennassar, 17 ; Rayyam, 18 ; Basha, 19 ; Xu, 20). La version standard de cet estimateur donne une
réalisation de la variable aléatoire « 𝑥𝑥 » qui représente l’état d’un système à l’instant « 𝑘𝑘 », en connaissant
le vecteur de mesure ainsi que le modèle mathématique discret du système, le filtre de Kalman vise à minimiser
la variance a priori de l’erreur d’estimation pour assurer la stabilité ainsi que la convergence des états estimés
vers les valeurs réelles, en tenant compte des incertitudes du modèle et de mesure. Le principal inconvénient
du filtre de Kalman réside dans son algorithme qui se repose sur une charge arithmétique importante, ce qui
rend la rapidité de l’implémentation relativement difficile à cause de la présence de plusieurs opérations
matricielles. Pour cela, de nombreux chercheurs ont proposé de nouveaux algorithmes permettant d’optimiser
le contrôle sans capteur des moteurs électriques en basant sur le filtre de Kalman, le choix judicieux du vecteur
d’état permet de réduire l’ordre du système, en effet, l’utilisation du filtre de Kalman d’ordre réduit est l’une
des premières solutions proposées, elle se base sur les f.é.m. ou sur des variables calculées à partir des valeurs
mesurées par lesquelles le vecteur de sortie est constitué, cette considération permet de minimiser
les opérations matricielles afin de réduire le temps de calcul (Muraca, 92 ; Kim, 99 ; Leite, 04). Dans le même
contexte, les contributeurs de (Hilairet, 09) ont développé un filtre de Kalman optimal à deux niveaux à partir
de la méthode donnée dans (Hsieh, 99), cet algorithme a été implémenté dans une commande sans capteur
pour un moteur asynchrone, où les opérations arithmétiques ont été réduites de 25%, alors que ce pourcentage
peut être plus élevé selon les auteurs. D’une autre part, il existe une autre variante du filtre de Kalman dans
laquelle, une transformation nommée "Unscented transform" constitue la base de développement de
l’algorithme d’observation, le UKF (Unscented Kalman Filter) a été proposé comme une approche appropriée
permettant de surmonter certains inconvénients du EKF (Extended Kalman Filter), tels que la nécessité du
calcul de Jacobienne, en outre, il est possible de contourner les erreurs de linéarisation cumulées qui sont dues
à la troncature de termes d’ordre supérieur dans l’expansion de série de Taylor associée au modèle dynamique
des systèmes (Rigatos, 11). Cette technique a été associé à la commande vectorielle dans (Akin, 06) pour
réaliser un contrôle sans capteur mécanique, la vitesse rotorique et les composants du vecteur flux sont estimés
par un UKF, ensuite cette approche a été comparée avec le EKF pour montrer les propriétés intrinsèques du
UKF qui favorisent son utilisation par rapport au EKF pour les systèmes fortement non linéaires. Les auteurs
de (Yildiz, 20) ont fait une comparaison complète entre UKF et EKF pour l’estimation des courants, du flux,
de la vitesse et du couple résistant y compris le terme de frottement visqueux, cette estimation a été exécutée
dans différentes conditions de fonctionnement sans capteur mécanique des moteurs asynchrones, cela est dans
le but de clarifier quel algorithme est le plus approprié pour les problèmes de l’estimation des états et
de paramètres de la machine, en effet, quatre tests expérimentaux en temps réel ont été effectués afin
d’examiner : l’effet des matrices de covariance du bruit, l’impact de la variation paramétrique, le choix
de temps d’échantillonnage et la charge de calcul sur les performances d’estimation des deux algorithmes.
3.8 - Estimation par l’injection des signaux à haute fréquence

Le contrôle sans capteur mécanique à des fréquences faibles, peut rencontrer des contraintes liées au
concept de l’observabilité du système à contrôler et peut même conduire à des performances insatisfaisantes,
l’utilisation des méthodes d’estimation directes qui exploitent les propriétés physiques des moteurs AC,
est l’une des techniques les plus pratiques pour assurer un contrôle optimal dans les basses vitesses, la détection
des saillances qui se présentent dans la machine peut être effectuée par l’injection d’un signal à haute
fréquence, ce dernier permet de fournir une information sur la position du rotor (Caruana, 06 ; Damkhi, 14).
Plusieurs méthodes basées sur ce principe ont été développées ces dernières années, la plupart d’entre eux
se reposent sur l’identification des saillances par l’analyse de la matrice des inductances de fuite dans les hautes
fréquences par l’intermédiaire de mesure des courants et des tensions (Ha, 99 ; Holtz, 02). D’autres stratégies
utilisent l’injection des signaux supplémentaires consistant à détecter la variation du niveau de saturation créée
par l’interaction entre le champ principal à basse fréquence et celui généré par le signal injecté (Consoli, 03).
La caractéristique avantageuse d’une telle technique est que la variable mesurée est la composante homopolaire
- 16 -
de la tension du stator, ce qui simplifie significativement l’extraction des signaux utiles du reste du contenu
harmonique de la tension statorique. Des méthodes alternatives adoptent la création intentionnelle d’une
saillance dans le rotor, cela est dans le but d’assurer une estimation de la position rotorique au moyen d’un
signal injecté de haute fréquence dans les enroulements du stator (Mingardi, 16), cet article traite ce principe
et présente divers tests expérimentaux pour la commande sans capteur d’un MAS. En revanche, le choix du
niveau de l’injection du signal ainsi que la forme de la tension injectée doivent être déterminés en fonction des
conditions opérationnelles prédéfinies, les auteurs de (Yoon, 10) ont réalisé un contrôle sans capteur par
l’utilisation d’un signal carré, lorsque cette tension à haute-fréquence est injectée, le signal d’erreur présente
moins d’harmoniques par rapport à l’injection d’un signal sinusoïdal classique, de plus, le choix de l’injection
du signal carré au niveau de l’axe « q » du référentiel estimé, rend le décalage d’orientation de saillance plus
petit par rapport à l’injection du signal dans l’axe « d », conduisant ainsi à des performances meilleures en
matière de robustesse. Cependant, toutes les approches adoptant l’injection des signaux haute fréquence sont
plus complexes par rapport aux autres techniques d’estimation, en fait, ils doivent effectuer une démodulation
du signal basée sur des modèles hautes fréquences de la machine, ce qui ne peut être réalisé qu’avec un système
informatique puissant, de plus, l’estimation de la position du rotor ou du flux peut être influencée par plusieurs
effets parasites électriques, magnétiques et mécaniques ainsi que par un bruit électromagnétique (Testa, 05).
4 - Positionnement des problèmes à traiter

L’établissement de toute commande performante pour les moteurs asynchrones triphasés, doit fournir des
solutions utiles permettant de résoudre les problèmes relatifs à l’utilisation de cette machine pour des
applications à vitesses variables, on commence par le problème du couplage existant entre le comportement
magnétique et l’évolution de la vitesse et du couple électromagnétique qui présente l’une des non-linéarités
essentielles du modèle compliquant la mise en œuvre des algorithmes de contrôle, en plus du problème de
la non-linéarité provoquée par les variations paramétriques dues à l’effet thermique, à la variation de fréquence,
et aux différentes conditions de fonctionnement du moteur, la négligence de cette considération réelle dans
la phase de modélisation de la machine, à travers laquelle les différentes lois de commande sont développées,
peut avoir un effet néfaste sur les performances du variateur de vitesse élaboré, et même pour les actionneurs
électriques usagés. Le problème du manque d’information résultant des variables inaccessibles à la mesure
directe telles que les flux, les couples de charge appliqués, entre autres, présente également un obstacle majeur,
l’utilisation des capteurs physiques pour ce genre de quantités n’offre pas une solution pratique préférable,
au contraire, elle peut augmenter la sensibilité des algorithmes et provoquer un surcoût de l’ensemble global.
Parallèlement, il existe également le problème de perturbations structurelles, en plus de la variation
paramétrique, la mise en œuvre d’un système de contrôle est soumise à de nombreuses incertitudes internes,
notamment les erreurs d’arrondis dues aux calculs numériques, les incertitudes des capteurs et des appareils
de mesure, l’imprécision des circuits d’acquisition, ainsi que la nature non parfaite de certaines grandeurs
électriques comme les courants et les tensions d’alimentation ; la présence de fortes harmoniques au niveau du
courant complique significativement sa régulation, en outre, les fluctuations provoquées deviennent
considérables en rapprochant de la région de basses fréquences, cette détérioration est due principalement au
principe MLI qui impose à l’onduleur des signaux de commande provoquent une tension d’alimentation
extrêmement riche en harmoniques, c’est l’une des raisons principales qui pourraient limiter l’efficacité du
contrôle des moteurs asynchrones uniquement à des vitesses relativement élevées.
À la lumière de ces problématiques, le travail présenté dans cette thèse s’inscrit dans le cadre d’optimisation
de la commande vectorielle par orientation du flux rotorique, l’incorporation des techniques non linéaires
avancée permet d’améliorer les performances du contrôle pour des applications spécifiques, en effet, chaque
problème présenté sera étudié et traité indépendamment aux autres, telles que le fonctionnement à basse vitesse
et l’observation des différentes quantités immesurables, alors que l’objectif principal est de contribuer
au développement d’une commande performante qui s’adapte aux différentes conditions de fonctionnement
d’un moteur asynchrone triphasé.
- 17 -
II
Commandes non linéaires
appliquées pour le contrôle de
CHAPITRE vitesse d’un moteur asynchrone
É Elaborer de nouvelles techniques de commande pour les moteurs asynchrones reste un intérêt
xxxxxxx particulier dans le domaine des entraînements électriques, en raison de nombreux avantages pratiques
et économiques liés à l’utilisation de cette machine par rapport aux autres. Cependant, le problème de la non-
linéarité du modèle et le fort couplage entre les états internes compliquent la tâche de développement des
variateurs de vitesse qui peuvent garantir une performance satisfaisante. La commande vectorielle indirecte
développée dans (Blaschke, 72) est l’une des stratégies de contrôle les plus populaires dans les applications à
haute performance (Lipo, 96 ; Mannan, 03 ; Bose, 06), elle peut rendre le comportement du moteur asynchrone
triphasé similaire à celui du MCC à excitation séparée, dont le couple et le flux peuvent être contrôlés
indépendamment. La commande vectorielle s’agit soit d’une orientation du flux statorique, du flux rotorique
ou bien d’une orientation du flux d’entrefer afin d’aboutir à des équations linières du couple électromagnétique
comme dans le cas du MCC (Bose, 86 ; Faidallah, 95), toutefois, lorsque la machine est contrôlée par la
technique indirecte à flux rotorique orienté, elle est exposée à des contraintes qui dégradent potentiellement
l’efficacité du contrôle. Dans les applications pratiques, les performances de la commande sont toujours
affectées par plusieurs facteurs, notamment les incertitudes liées à l’identification des paramètres, les modes
non modélisés de l’ensemble du Moteur / Variateur de vitesse / Charge, les perturbations internes et externes
qui sont totalement inconnues, etc. (Aichi, 20a), par conséquent, la conception de bons contrôleurs sera difficile
mais nécessaire afin de développer des commandes assurant un fonctionnement optimal du MAS.
Le but du présent chapitre est d’améliorer les performances de la commande vectorielle en intégrant de
nouvelles techniques non linières, la simplicité de mis en œuvre pratique et l’efficacité du contrôle sont les
principaux objectifs de notre étude dans laquelle, nous adopterons le contrôle vectoriel indirect par orientation
du flux rotorique comme une stratégie de base, les informations sur le flux rotorique et les perturbations
extérieures ne sont pas prises en compte afin de simplifier la structure de commande en premier lieu, et pour
réduire la sensibilité de l’algorithme devant la variation paramétrique, on doit noter que dans ce chapitre, nous
intéressons particulièrement aux stratégies du contrôle, cela amène à considérer la vitesse rotorique comme
une variable mesurée, l’élimination du capteur de vitesse fera le sujet le sujet d’un prochain chapitre. Dans cette
tendance, notre étude sera commencée par une brève description du modèle mathématique du système
à contrôler, le principe de la commande vectorielle sera présenté et discuté afin de l’utiliser pour la
synthétisation des différentes techniques élaborées, commençant par une commande non linéaire combinant le
mode glissant avec le PI Anti-Windup à l’aide d’un superviseur linéaire, ensuite, l’approche de la commande
hybride sera améliorée par l’incorporation de l’algorithme de Super-Twisting et l’utilisation d’un superviseur
avancée, après une étude de stabilité et une analyse de fonctionnement, une commande Backstepping optimisée
par la propriété des gains variables sera développée et étudiée intensivement à la fin de ce chapitre. Toutes les
techniques proposées seront validées expérimentalement avec un moteur asynchrone de 1𝑘𝑘𝑘𝑘 en utilisant une
carte dSPACE-RTI-1104 ; la configuration expérimentale du banc d’essai ainsi que les paramètres de la
machine sont présentées dans l’annexe ‘A’ et l’annexe ‘B’. Après une étude comparative entre les différentes
méthodes de contrôle, les principales contributions de ce chapitre seront résumées dans une conclusion finale.
1 - Modèle mathématique du moteur asynchrone triphasé

Le moteur asynchrone est considéré comme un système physique régi par des phénomènes électriques,
magnétiques, mécaniques, thermiques, etc., il est caractérisé par sa simplicité de construction, néanmoins,
il présente un système non linéaire à six équations différentielles complexes à étudier. Par conséquent,
sa commande exige la disponibilité d’un modèle qui représente fidèlement son comportement dynamique,
- 18 -
Chapitre 2 : Commandes non linéaires appliquées pour le contrôle de vitesse d’un moteur asynchrone
l’utilisation de la transformation de Park sous certaines hypothèses simplificatrices, aide à modéliser

les régimes transitoires et permanents du moteur afin de simplifier sa commande (Chatelain, 89), elle s’agit
d’une série de transformations mathématiques simplifiant le modèle de la machine en gardant l’aspect physique
des grandeurs transformées, cet outil pourrait garantir une représentation biphasée équivalente du système
triphasé, ce qui permet de réduire considérablement la complexité du modèle, pour plus de détails sur
la modélisation du MAS, on peut suggérer au lecteur de consulter les références suivantes : (Chatelain, 89 ;
Caron, 95 ; Canudas, 00 ; Louis, 04). À ce stade et pour un objectif de commande, nous présentons le modèle
mathématique utilisé pour le contrôle de vitesse d’un moteur asynchrone triphasé, dans un référentiel lié au
champ tournant « 𝑑𝑑 − 𝑞𝑞 », le comportement dynamique de la machine peut être exprimé par la représentation
d’état donnée par (II.1) qui décrit un système non linéaire d’ordre 5 (Trabelsi, 12 ; Aichi, 18a ; Sun, 19).
α2
⎡ − α1 . 𝑖𝑖𝑑𝑑𝑑𝑑 + ωs . 𝑖𝑖𝑞𝑞𝑞𝑞 + τ . 𝜓𝜓𝑑𝑑𝑑𝑑 + α2 . ωm . 𝜓𝜓𝑞𝑞𝑞𝑞 ⎤
r
⎢ α2 ⎥
⎡ ⎤ ⎢ − ωs . 𝑖𝑖𝑑𝑑𝑑𝑑 − α1 . 𝑖𝑖𝑞𝑞𝑞𝑞 − α2 . ωm . 𝜓𝜓𝑑𝑑𝑑𝑑 + τ . 𝜓𝜓𝑞𝑞𝑞𝑞 ⎥ β 0
⎢ 𝑖𝑖𝑞𝑞𝑞𝑞 ⎥ ⎢ r ⎥ ⎡ ⎤
𝑑𝑑 ⎢ ⎥ ⎢ M 1 ⎥ ⎢ 0 β ⎥ 𝑣𝑣𝑑𝑑𝑑𝑑
𝜓𝜓𝑑𝑑𝑑𝑑 ⎥ = ⎢ . 𝑖𝑖 − . 𝜓𝜓 + ωg . 𝜓𝜓𝑞𝑞𝑞𝑞 (II.1)
𝑑𝑑𝑑𝑑 ⎢ τr 𝑑𝑑𝑑𝑑 τr 𝑑𝑑𝑑𝑑 ⎥ + ⎢ 0 0 ⎥ . � 𝑣𝑣𝑞𝑞𝑞𝑞 �
⎢ 𝜓𝜓 ⎥ ⎢ M 1 ⎥ ⎢0 0⎥
⎢ 𝑞𝑞𝑞𝑞 ⎥ ⎢ . 𝑖𝑖𝑞𝑞𝑞𝑞 − ωg . 𝜓𝜓𝑑𝑑𝑑𝑑 − . 𝜓𝜓𝑞𝑞𝑞𝑞 ⎥ ⎣0 0⎦
⎣ Ωm ⎦ ⎢ τr τr ⎥
⎢ Υ . �𝜓𝜓 . 𝑖𝑖 − 𝜓𝜓̇̇ . 𝑖𝑖 � − 1 . �Ṫ̇ + B. Ω � ⎥
𝑑𝑑𝑑𝑑 𝑞𝑞𝑞𝑞 𝑞𝑞𝑞𝑞 𝑑𝑑𝑑𝑑 L m
⎣ J J ⎦
M2 M 1 M2 Lr 3 M
Avec : α1 = β . �R s + � ; α2 = β . ; β = ; δ=1−� � ; τr = ; Υ = . . 𝑝𝑝
Lr . τr Lr δ. Ls Ls . Lr Rr 2 Lr
2 - Commande vectorielle par orientation du flux rotorique (IFOC)

L’idée fondamentale de l’IFOC est de rendre le comportement du MAS similaire à celui du MCC,
en agissant sur le flux du rotor pour éliminer le deuxième terme de l’équation du couple électromagnétique,
si le flux rotorique est orienté vers l’axe direct du plan (d, q) dans un référentiel lié à la vitesse de synchronisme,
la composante quadrature du vecteur flux « 𝜓𝜓𝑞𝑞𝑞𝑞 » sera éliminée, il est possible donc d’agir sur le courant « 𝑖𝑖𝑑𝑑𝑑𝑑 »
pour maintenir le module du flux constant, par conséquent, le couple électromagnétique « Te » devient dépend
seulement du courant « 𝑖𝑖𝑞𝑞𝑞𝑞 » (Grellet 96 ; Canudas, 00 ; Krause, 13), de là, on peut dire que le flux rotorique
ainsi que le couple électromagnétique seront contrôlés indépendamment.
L’application de ce principe permet de simplifier les équations dynamiques du moteur en levant une
certaine non-linéarité du système (II.1), le modèle mathématique du moteur asynchrone alimenté en tension
par une commande IFOC peut être réécrit par le système d’équation (II.2) (Baghli, 99 ; Aichi, 18c).
𝑑𝑑𝑖𝑖𝑑𝑑𝑑𝑑 M 𝑑𝑑𝜓𝜓𝑟𝑟
𝑣𝑣𝑑𝑑𝑑𝑑 = R s . 𝑖𝑖𝑑𝑑𝑑𝑑 + δ. Ls − ωs . δ. Ls . 𝑖𝑖𝑞𝑞𝑞𝑞 + .
𝑑𝑑𝑑𝑑 Lr 𝑑𝑑𝑑𝑑
𝑑𝑑𝑖𝑖𝑞𝑞𝑞𝑞 M
𝑣𝑣𝑞𝑞𝑞𝑞 = R s . 𝑖𝑖𝑞𝑞𝑞𝑞 + δ. Ls + ωs . δ. Ls . 𝑖𝑖𝑑𝑑𝑑𝑑 + ωs . . 𝜓𝜓𝑟𝑟
𝑑𝑑𝑑𝑑 Lr
𝑑𝑑𝜓𝜓𝑟𝑟 (II.2)
𝜓𝜓𝑟𝑟 = M. 𝑖𝑖𝑑𝑑𝑑𝑑 − τr .
𝑑𝑑𝑑𝑑
M
0 = . 𝑖𝑖𝑞𝑞𝑞𝑞 − ωg . 𝜓𝜓𝑟𝑟
τr
𝑑𝑑Ωm Υ 1
= . 𝜓𝜓𝑟𝑟 . 𝑖𝑖𝑞𝑞𝑞𝑞 − . �Ṫ̇ L + B. Ωm �
𝑑𝑑𝑑𝑑 J J
Cette représentation simplifie considérablement les équations électromagnétiques et mécaniques du moteur

afin de faciliter la synthétisation des lois de commande destinées à la régulation des courants et de vitesse.
- 19 -
2.1 - Principe de fonctionnement de la commande à flux rotorique orienté

La figure (II.1) illustre le schéma fonctionnel de la commande vectorielle indirecte pour un MAS, le
contrôle global sera effectué en deux étapes principales : premièrement, le flux de référence « 𝜓𝜓𝑟𝑟∗ » est imposé
directement sans régulation par sa valeur nominale à travers un bloc de défluxage (Baghli, 99), cette consigne
∗
permet la génération de la variable de commande « 𝑖𝑖𝑑𝑑𝑑𝑑 », qui sera utilisée dans la régulation du courant, cette
étape assure l’orientation ainsi que le contrôle indirect du flux rotorique pour le maintenir à sa valeur désirée.
On doit de noter que la régulation directe du vecteur flux a été ignorée pour deux raisons : pour simplifier
la structure qui ne nécessitera pas l’utilisation d’un capteur de flux ou un estimateur, et aussi pour réduire le
nombre de paramètres utilisés dans l’algorithme qui peuvent augmenter la sensibilité du contrôle aux variations
structurelles (Aichi, 20a). La deuxième étape de la commande consiste à contrôler la vitesse rotorique pour
générer un couple de commande « Te∗ » capable d’assurer une dynamique désirée, la composante « 𝑖𝑖𝑞𝑞𝑞𝑞 ∗
» qui
sera l’image du couple de référence, va être utilisée en premier lieu, pour la détermination de la fréquence de
commande « 𝜔𝜔𝑠𝑠∗ » en utilisant la loi d’autopilotage donnée par (II.3) (Oliveira, 16), ensuite, elle sera introduite
∗ ∗
dans la chaine de régulation des courants pour générer les tensions de commande « 𝑣𝑣𝑑𝑑𝑑𝑑 » et « 𝑣𝑣𝑞𝑞𝑞𝑞 ». On peut
dire donc, que cette stratégie possède un mécanisme qui assure une variation uniforme entre la fréquence et
la tension de commande, garantissant un contrôle total du moteur dans toute la plage de variation de la vitesse.
M
𝜃𝜃𝑠𝑠 = � ωs . 𝑑𝑑𝑑𝑑 = � �𝑝𝑝. Ωm + . 𝑖𝑖 � . 𝑑𝑑𝑑𝑑 ; ∀ 𝜔𝜔𝑠𝑠∗ = 2. 𝜋𝜋. 𝑓𝑓𝑠𝑠∗ (II.3)
τr . 𝜓𝜓𝑟𝑟 𝑞𝑞𝑞𝑞
𝜓𝜓𝑟𝑟∗ ∗
1 𝑖𝑖𝑑𝑑𝑑𝑑 𝑒𝑒𝑖𝑖_𝑑𝑑 ∗
𝑣𝑣𝑑𝑑𝑑𝑑 Onduleur
+ 𝑑𝑑𝑑𝑑 MLI 𝑣𝑣𝑎𝑎𝑎𝑎𝑎𝑎
M − Régulateurs ∗
𝑣𝑣𝑞𝑞𝑞𝑞 ∗
𝑣𝑣𝑎𝑎𝑎𝑎𝑎𝑎
des
Tension d’alimentation
∗
Ω∗m 𝑒𝑒Ω Te∗ 1 𝑖𝑖𝑞𝑞𝑞𝑞 𝑒𝑒𝑖𝑖_𝑞𝑞 courants 𝜃𝜃𝑠𝑠∗
Régulateur + 𝑎𝑎𝑎𝑎𝑎𝑎
de vitesse Υ −
𝑖𝑖𝑎𝑎𝑎𝑎𝑎𝑎
𝑎𝑎𝑎𝑎𝑎𝑎
Filtre 𝑖𝑖𝑑𝑑𝑑𝑑
ωg
+
𝑖𝑖𝑑𝑑𝑑𝑑 _ 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓é𝑠𝑠
− Erreur de passe-bas 𝜃𝜃𝑠𝑠∗
régulation 𝑑𝑑𝑑𝑑
𝜃𝜃𝑠𝑠∗
Ωm
Calcul de « 𝜃𝜃𝑠𝑠∗ »
mécanique
Ωm
Charge
Vitesse mécanique « Ωm »
Figure II.1 : Schéma-bloc général de la commande vectorielle indirecte adoptée pour le contrôle de
la vitesse et du courant d’un moteur asynchrone triphasé alimenté en tension
Une transformation de Park Biphasée / Triphasée a été mise œuvre pour générer les signaux de commande,
ces derniers seront la base pour déterminer les instants de commutation des IGBT de l’onduleur qui représente
la source de tension du moteur. Il convient de noter que l’application de l’IFOC sur les systèmes réels peut
rencontrer de nombreuses contraintes d’implémentation pratique ; les courants réels ne sont pas de forme
sinusoïdale comme dans le cas des simulations, les courants de Park mesurés qui sont destinés à la régulation
peuvent être de mauvaise qualité à cause de la présence des différentes perturbations, dues principalement aux
capteurs des courants, à la conversion analogique/numérique, aux transformations de Park ainsi qu’au principe
de fonctionnement de l’onduleur. Cette contrainte limite considérablement l’efficacité du contrôle, la solution
proposée est d’utiliser un simple filtre passe-bas du premier ordre comme le montre la figure (II.1), la fréquence
de coupure de ce filtre « 𝑓𝑓𝑐𝑐 = 1 / 𝑇𝑇𝑓𝑓 » doit être relativement importante pour permettre de filtrer que les hautes
fréquences, sans provoquer de retards dans les chaines de régulation des courants qui pourrait détruire
la commande globale, cette solution améliore la qualité du contrôle sans augmenter la complexité
de l’algorithme, permettant ainsi d’aboutir à un simple variateur de vitesse avec des performances élevées.
- 20 -
2.2 - Paramétrage des régulateurs

Notre objectif est de contrôler séparément le flux rotorique et le couple électromagnétique, cette procédure
nécessite une série de régulations pour la vitesse et les courants afin de déterminer les tensions de commande
appropriées, qui garantissent l’annulation des erreurs existant entre chaque variable et sa consigne. La vitesse
mécanique représente la grandeur fondamentale à contrôler avec une grande dynamique, cette dernière peut
se développer en présence de perturbations internes et externes extrêmement indéfinies, en revanche, il est
impératif d’avoir un bon contrôle du flux rotorique afin de protéger l’ensemble de commande contre les
surintensités du courant, sachant que le flux rotorique est défini par le courant « 𝑖𝑖𝑑𝑑𝑑𝑑 », il suffit donc de contrôler
cette composante pour forcer le module du flux à converger vers une valeur proche a sa valeur nominale, d’un
autre côté, le couple électromagnétique sera contrôlé en agissant sur la composante quadrature du courant.
Dans cette partie, les chaines de régulation seront basées sur des contrôleurs Proportionnel/Intégral, ce type
de régulateurs est le plus utilisé dans le domaine industriel grâce à la simplicité de ses structures différentes
composées d’une action proportionnelle assurant la convergence de la variable vers sa référence, et une action
intégrale qui élimine l’erreur statique, le dimensionnement des régulateurs sera basé sur la théorie des systèmes
linéaires par la méthode de placement de pôles, la boucle de régulation des courants doit avoir une dynamique
plus rapide que la boucle de la vitesse ; généralement pour les systèmes entrainés par des moteurs asynchrones,
la constante de temps des courants statoriques est de 10 à 20 fois supérieure à celle de la vitesse.
2.2.1 - Régulations classiques de la vitesse

Afin de simplifier le calcul des gains, on néglige le retarde dû au filtre de la vitesse, et on considère que
le couple de charge « TL » représente une perturbation extérieure inconnue qui sera rejetée par l’action
intégrale, la fonction de transfert reliant la vitesse rotorique avec le couple électromagnétique est exprimée
en utilisant l’équation mécanique du système (II.2), sachant que « s » représente l’opérateur de Laplace.
Ωm 1
= (II.4)
Te J .s + B
Le calcul des gains dépend de la configuration adoptée du régulateur, qui peut avoir des structures différentes.
2.2.1.1 - Régulation Proportionnelle-Intégrale (PI)

Pour un régulateur PI classique, le contrôle de la vitesse peut être effectué selon le schéma-bloc ci-dessous :
kp
Ω∗m eΩ +
Te∗ 1 Ωm
+
− + J. s + B
k i�
s
Ωm
Figure II.2 : Boucle de régulation de la vitesse d’un MAS en basant sur un régulateur PI
La fonction de transfert en boucle fermée est exprimée par l’équation (II.5).
1 �k� p . s + k i � ω20
H1 (s) = . ≅ (II.5)
J B + k� p𝑝𝑝 �k i
𝑝𝑝 s 2̇ + 2. ξ . ωo . s + ω02̇
s2 + ̇J . s + ̇J
Par identification du dénominateur avec celui de la forme canonique d’un système du 2nd ordre,
les coefficients du régulateur peuvent être calculés comme suit :
k p = �2̇ . ξ . ω0 . J̇̇� − B
(II.6)
k i = ω20 . J
- 21 -
« ξ » et « ω0 » sont respectivement le facteur d’amortissement et la pulsation propre relatifs à la réponse

désirée ; « ξ » est généralement fixé à la valeur de « 1⁄√2 » qui correspond à un dépassement inférieur à 5%,
« ω0 = 4⁄( ξ . Ts ) » est la pulsation propre du système qui peut être déterminée selon les caractéristiques
dynamiques de la machine, sachant que « Ts » est le temps de stabilisation à ± 2%.
2.2.1.2 - Régulation Intégrale-Proportionnelle (IP)

Sur la base du schéma-bloc mentionné dans la figure (II.3) et qui exprime une régulation série, la fonction
de transfert en boucle fermée relative à cette régulation va prendre la forme suivante :
k p| . k i
J̇ ω20
H2 (s) = = (II.7)
B + k� p| k p| . k i s 2̇ + 2. ξ . ωo . s + ω20̇
s2 + ̇J .s +
J̇
Ω∗m eΩ Te∗ 1 Ωm
+ k i� + kp
− s − J. s + B
Ωm
Figure II.3 : Boucle de régulation de la vitesse d’un MAS basée sur un régulateur IP
Contrairement au régulateur PI qui introduit un zéro supplémentaire en boucle fermée, la configuration

du correcteur IP permet d’aboutir à une fonction de transfert similaire à celle de la forme canonique, les gains
de correction donnés par les équations (II.8) seront calculés selon la méthode de placement des pôles.
k p = �2. ξ . ω0 . J̇̇� − B
(II.8)
k i = ω20 . J � k p
2.2.1.3 - Régulation Proportionnelle-Intégrale avec Anti-Windup ( PIAW )

Dans de nombreuses applications de commande, la sortie du correcteur n’attaque pas directement
le système à contrôler, mais elle passe par des dispositifs de limitation d’amplitude, pratiquement et par mesure
de sécurité, un bloc de saturation doit impérativement inclus dans la sortie du régulateur, à la présence de
ce bloc, le PI classique montré dans la figure (II.2) peut conduire à un mauvais comportement à cause
du phénomène de ‘Windup’ (Oliveira, 16). L’origine de ce phénomène est le fait que la commande calculée
par le régulateur est différente de celle appliquée réellement au système, si le signal de commande dépasse la
valeur assignée dans le limiteur, l’intégrateur continu à intégrer l’erreur quelle que soit la réponse du système,
cela provoque une amplification importante de la commande difficile à l’affaiblir rapidement, ce qui entraîne
un dépassement considérable au cours de la saturation pourrait même déstabiliser le système (Espina, 09).
Le PI Anti-Windup contient une configuration avancée capable d’améliorer la qualité du contrôle, sachant
qu’il y a plusieurs façons pour insérer le mécanisme d’Anti-Windup (Bohn, 94 ; March, 07 ; Espina, 09 ;
Monteiro, 13), la figure (II.4) montre la configuration utilisée dans notre travail, l’objectif principal de cette
addition est d’éviter les survaleurs de l’intégrateur en insérant une action de contre-réaction ; une fois
la commande globale « TG » dépasse les valeurs maximales, un signal de retour sera activé afin de réduire
l’entrée de l’intégrateur afin d’empêcher l’amplification de la commande générée, alors que l’action intégrale
sera conservée dans un intervalle limité, le signal de commande final peut s’exprimé par l’équation suivante.
k a . � k p . eΩ + k i . � eΩ . 𝑑𝑑𝑑𝑑 � ; si ∶ Te∗ = TG
∗
Te = � (II.9)
⃛̈Te� . 𝑑𝑑𝑑𝑑 �
k a . � k p . eΩ + k i . � �eΩ − k r . ∆ ; si ∶ Te∗ ≠ TG
- 22 -
Les gains « k p » et « k i » peuvent être déterminés en utilisant la relation (II.6), « k a » assure l’adaptation de
la commande globale, alors que « k r » est un gain de retour permet de régler l’action de contre-réaction qui
maitrise les dépassements (Espina, 09), ces deux derniers gains sont très utiles dans les applications réelles
dont ils permettent d’ajuster en temps réel, les coefficients de régulation afin d’aboutir au contrôle optimal.
Ω∗m TG Te∗ 1 Ωm
kp + ka
+ J. s + B
+
ki + 1�
− eΩ − s
+ −
∆Te
ki kr
Figure II.4 : Structure du contrôle de la vitesse par un régulateur PI Anti-Windup
2.2.2 - Régulation classique du courant

Les boucles de régulation du courant jouent un rôle indispensable pour la majorité des techniques
de commande, elles assurent une préservation utile à l’ensemble de la commande et renforcent la protection
∗ ∗
par des saturations sur les sorties « 𝑣𝑣𝑑𝑑𝑑𝑑 » et « 𝑣𝑣𝑞𝑞𝑞𝑞 », cela garantit le bon contrôle de courant même en présence
des anomalies au niveau des boucles de régulation externes. L’application de la transformation de Laplace sur
les équations de tension du modèle mathématique (II.2), conduit au système d’équations suivant :
M
𝑣𝑣𝑑𝑑𝑑𝑑 = �R s + δ.̇ Ls . s�. 𝑖𝑖𝑑𝑑𝑑𝑑 + 𝐸𝐸𝑑𝑑𝑑𝑑 + . 𝜓𝜓 . s
Lr 𝑟𝑟
𝑣𝑣𝑞𝑞𝑞𝑞 = �R s + δ.̇ Ls . s�. 𝑖𝑖𝑞𝑞𝑞𝑞 + 𝐸𝐸𝑞𝑞𝑞𝑞
(II.10)
𝐸𝐸𝑑𝑑𝑑𝑑 = −ωs . δ. Ls . 𝑖𝑖𝑞𝑞𝑞𝑞
M
𝐸𝐸𝑞𝑞𝑞𝑞 = ωs . δ. Ls . 𝑖𝑖𝑑𝑑𝑑𝑑 + ωs . . 𝜓𝜓
Lr 𝑟𝑟
À cause du couplage existant entre les deux axes du vecteur de tension statorique, il est indispensable
de séparer les deux composantes afin de contrôler séparément les deux courants, la méthode de découplage
par compensation est l’une des techniques les plus simples à utiliser (Meroufel, 09), il est démontré
dans (Baghli, 99), que la dynamique du courant est plus rapide à celle du flux, cela conduit à ignorer la dérivée
du flux rotorique dans la première équation du système (II.10), en outre, si les deux courants sont contrôlés
avec la même dynamique, nous pouvons éliminer les termes de couplage afin d’aboutir à une relation
du premier ordre qui relie les tensions avec les courants statoriques (Boussak, 06).
𝑖𝑖𝑑𝑑𝑑𝑑 1 1
= . (II.11)
𝑣𝑣𝑑𝑑𝑑𝑑 R s 1 + δ. τs . s
La fonction de transfert (II.12), adoptée dans cette régulation, sera calculée selon le schéma-bloc donné par
la figure (II.5) en adoptant des contrôleurs PI, les gains de correction seront déterminés par la méthode
de placement des pôles, la présence des filtres de courant augmente l’ordre du système ; l’utilisation de la
méthode développée dans (Aichi, 20a) résout ce problème en faisant le choix suivant : « 𝑘𝑘𝑝𝑝_𝑐𝑐 ⁄𝑘𝑘𝑖𝑖_𝑐𝑐 = 𝛿𝛿. 𝜏𝜏𝑠𝑠 ».
𝑘𝑘𝑖𝑖_𝑐𝑐
. �T𝑓𝑓 . s + 1�
R s .̇ T𝑓𝑓 ω20
H𝑐𝑐 (s) = ≅ (II.12)
1 𝑘𝑘̇𝑖𝑖_𝑐𝑐 s 2̇ + 2. ξ . ωo . s + ω02̇
s2 + ̇ . s +
T𝑓𝑓 R s . ̇ T𝑓𝑓
- 23 -
∗ ∗
𝑖𝑖𝑑𝑑𝑑𝑑 𝑒𝑒𝑖𝑖_𝑑𝑑𝑑𝑑 𝑣𝑣𝑑𝑑𝑑𝑑 𝑖𝑖𝑑𝑑𝑑𝑑
𝑘𝑘𝑖𝑖_𝑐𝑐 1 1
+ 𝑘𝑘𝑝𝑝_𝑐𝑐 + .
− s R s 1 + δ. τs . s
𝑖𝑖𝑑𝑑𝑑𝑑 (𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓é𝑠𝑠) 1 𝑖𝑖𝑑𝑑𝑑𝑑

T𝑓𝑓 . s + 1
Filtre passe-bas
Figure II.5 : Schéma-bloc de la boucle de régulation des courants
Le filtrage avec une haute qualité n’est pas défini comme un objectif pour les filtres passe-bas des courants,
la fréquence de coupure « 𝑓𝑓c = 1⁄T𝑓𝑓 » doit être choisie relativement importante pour permet d’éliminer que
les composantes à hautes fréquences sans introduire de retard aux signaux filtrés, cette considération assure
également l’inefficacité du zéro de la fonction de transfert (II.12) sur la réponse dynamique du correcteur,
nous pouvons alors calculer les coefficients de régulation selon le principe d’imposition des pôles en identifiant
le dénominateur de « H𝑐𝑐 » avec le polynôme caractéristique. Les gains de correction sont exprimés par
les relations (II.13), alors que l’imposition d’un facteur d’amortissement « ξ = 0.707 » permets d’assurer une
rapidité satisfaisante de la réponse avec un dépassement limité.
𝑘𝑘𝑝𝑝_𝑐𝑐 = τs . δ. 𝑘𝑘𝑖𝑖_𝑐𝑐
Rs (II.13)
𝑘𝑘𝑖𝑖_𝑐𝑐 =
T𝑓𝑓 . ( 2. ξ )2
∗ ∗
Après la détermination des paramètres des régulateurs, les tensions de référence « 𝑣𝑣𝑑𝑑𝑑𝑑 » et « 𝑣𝑣𝑞𝑞𝑞𝑞 » sont
obtenues en ajoutant les termes de couplage « 𝐸𝐸𝑑𝑑𝑑𝑑 » et « 𝐸𝐸𝑞𝑞𝑞𝑞 » décrits dans (II.10), l’expression finale des
tensions de commande prend la forme suivante :
∗
𝑣𝑣𝑑𝑑𝑑𝑑_𝑠𝑠 = 𝑘𝑘𝑝𝑝_𝑐𝑐 . 𝑒𝑒𝑖𝑖_𝑑𝑑𝑑𝑑 + 𝑘𝑘𝑖𝑖_𝑐𝑐 . � 𝑒𝑒𝑖𝑖_𝑑𝑑𝑑𝑑 . 𝑑𝑑𝑑𝑑 + 𝐸𝐸𝑑𝑑𝑑𝑑_𝑠𝑠 (II.14)
« 𝑒𝑒𝑖𝑖_𝑑𝑑𝑑𝑑 » sont les erreurs de régulation du courant par rapport à chaque axe et « 𝐸𝐸𝑑𝑑𝑑𝑑_𝑠𝑠 » sont les termes
de couplage des tensions statoriques.
2.3 - Résultats expérimentaux

Afin d’analyser la réponse dynamique des différents contrôleurs précédemment décrits, nous avons effectué
une série de tests expérimentaux pour comparer et illustrer les performances des régulateurs étudiés, chaque
algorithme de contrôle a été implémenté dans une carte dSPACE-RTI-1104 pour un pas de calcul de 130µ𝑠𝑠.
Les gains des régulateurs sont mentionnés dans le tableau (II.1) et les paramètres du moteur ainsi que
la méthode d’identification utilisée sont présentées dans l’annexe ‘B’, tandis que configuration expérimentale
du banc d’essais adopté est illustrée dans l’annexe ‘A’.
L’efficacité du contrôle sera justifiée en basant sur deux profils de vitesse différents : un profil rapide
permet d’étudier les performances du démarrage, notamment le dépassement et la rapidité de poursuite,
le deuxième profil sera utilisé pour examiner le fonctionnement du moteur et vérifier la robustesse devant
les charges appliquées dans les différentes zones de fonctionnement.
PI IP PIAW
kp = 1 k p = 0.62 kp = 1 ; ki = 6
Régulation de la vitesse
ki = 6 k i = 7.00 ka = 1 ; kr = 3
Régulation du courant 𝑘𝑘𝑝𝑝_𝑐𝑐 = 6.6 ; 𝑘𝑘𝑖𝑖_𝑐𝑐 = 500 ; 𝑓𝑓𝑐𝑐 = 100
Tableau II.1 : Valeurs des différents gains des régulateurs de vitesse et de courant
- 24 -
2.3.1 - Analyse de fonctionnement des régulateurs conventionnels

Les figures suivantes visent à clarifier et comparer les caractéristiques de chaque régulateur conventionnel.
Ω m* Ω PI Ω IP Ω PIAW TL Te * Te *IP Te *
PI PIAW
Couple de commande (N.m)

118 10
100
Vitesse (rad / s)
6.6
105.5
103.5
3.3
100
97 0
-3.3
0
0 3 7 10 0 3 7 10
Temps (s) Temps (s)
118

10
100
Vitesse (rad / s)
6.6
115
110
3.3
105
100
0
95
0.25 0.5 -3.3
0
0.25 1 0 0.25 0.5 0.75 1 1.25
Temps (s) Temps (s)
Figure II.6 : Réponse dynamique du MAS contrôlé par les différents régulateurs Proportionnel-Intégral
Action proportionnelle Action proportionnelle Action proportionnelle

13
Signaux de commande
10 Action Intégrale Action Intégrale Action Intégrale

15
Commande globale Commande globale 10 (Ω a été soustraite)
m
5 10 Action Anti-Windup
0 5
5
-5 0
0
PI PIAW IP
-10
0 0.25 0.5 0.75 1 0 0.25 0.5 0 0.25 0.5 0.75 1
Temps (s) Temps (s) Temps (s)
Figure II.7 : Actions partielles des différents régulateurs Proportionnel-Intégral
Discussion
La figure (II.6) illustre la dynamique de la vitesse et du couple de commande délivré par chaque régulateur,
les résultats montrent une amélioration remarquable du PIAW par rapport aux structures PI et IP. Le PI
provoque un dépassement de 18%, tandis que le correcteur IP offre une réponse dynamique très lente avec un
retard de 0.25𝑠𝑠 par rapport à la valeur finale de la référence, le PIAW peut délivrer un signal de commande
garantissant une réponse dynamique relativement rapide avec un dépassement acceptable d’une valeur qui ne
dépasse pas le 5%. En ce qui concerne le rejet de perturbation, le PI et le PIAW possèdent la même robustesse
en raison des valeurs égales des gains correctifs ; la chute de vitesse provoquée par l’application d’un couple
de charge nominale est de 3.5%, tandis que le contrôleur IP est le plus fragile avec une chute de 5.5%,
cette modeste performance est essentiellement due à la dépendance principale de l’action intégrale par rapport
à l’action proportionnelle, comme on peut le voir à travers la figure (II.7), cette figure regroupe les actions
partielles de chaque régulateur pour faciliter l’analyse du comportement de correction. Dans le cas d’un
- 25 -
régulateur PI, bien que la commande globale ait atteint sa valeur maximale, l’action intégrale continue de
s’amplifier jusqu’à l’instant 0.25𝑠𝑠, ensuite, il a fallu une période de 0.35𝑠𝑠 pour s’atténuer cette action jusqu’à
l’instant 0.6𝑠𝑠, c’est ce qu’on appelle le Windup ; au cours de ce retard, un comportement indésirable représenté
par le dépassement de la vitesse, sera entrainé à cause d’une survaleur de la variable de commande avant
la stabilisation finale. Dans la configuration PIAW, un nouveau signal de contre-réaction a été activé dans
le cas de saturation de la commande globale, puis il s’annule dans le régime d’état stable, ce signal empêche
l’amplification de l’action intégrale dans les régimes transitoires afin de maitriser les dépassements sans
compromettre l’efficacité du contrôle contre les perturbations extérieures.
2.3.2 - Performance du contrôle basé sur un régulateur PIAW

Ci-dessous, nous présentons les performances du MAS pour un contrôle de vitesse par un PIAW.
120 6
Ω * i i *
Courant sur l'axe «d» (A)

53 124 m dq-réels dq
50 Ω 4
Vitesse (rad / s)
120 m
48 118 T
L
50 2
0
0
-2
-40
1 4 8 11 15 19 22 28 30
Temps (s) 4
Courant sur l'axe «q» (A)
120 120 0 2
0
Vitesse (rad / s)
80
-2
85 40 -20
-4
0 -6
50 -40 -40 -8
11 11.5 12 22 22.5 23 28 28.7 1 4 8 11 15 19 22 28 30
Temps (s) Temps (s) Temps (s) Temps (s)
10
Erreur de régulation (rad / s)
1.5 9 1.25
1.5 eΩ
Courant statorique (A)
8 0 0 0
6
6 -1.25
-3 -3.5 3
4
2 0
0 -3
-2 3
-6 0
-4
-9 -3
-6
1 4 8 11 15 19 22 28 30 1 4 8 11 15 19 22 28 30
Temps (s) Temps (s)
10
0.3 Ψr * Te *
Ψ 6.6
Flux estimé ( Wb )
r
3.3
0.19
0
-3.3
0.1
-6.6
-10
0
1 4 8 11 15 19 22 28 30 1 4 8 11 15 19 22 28 30
Temps (s) Temps (s)
Figure II.8 : Dynamiques du moteur obtenues sur la base d’un contrôle de vitesse par un PI Anti-Windup
- 26 -
Discussion
La figure (II.8) illustre la réponse dynamique du moteur dans les différentes zones de fonctionnement, ce
contrôle a fourni une performance très acceptable en matière de rapidité et d’efficacité de régulation, la vitesse
suit rapidement sa consigne grâce au signal de commande « Te∗ » délivré par le régulateur PIAW, il en va de
même pour les courants de Park qui sont parfaitement contrôlés. En revanche, le flux rotorique reste toujours
à sa valeur de référence tout au long de la trajectoire, justifiant la validation du principe de la commande
vectorielle. D’un autre côté, une surintensité remarquable a été mentionnée au moment de l’inversement
de sens, dont le courant atteint un niveau relativement important, cette intensité peut se redoubler à la présence
d’une perturbation structurelle capable même de détruire le système (Aichi, 20a). Pour cela, dans la suite de ce
chapitre, nous tenterons d’améliorer la qualité de régulation en utilisant d’autres techniques non linéaires qui
permettent l’obtention d’un meilleur contrôle dans les différents régimes transitoires et permanents.
3 - Commande hybride combinant le SMC avec le PIAW

Le contrôle par mode glissant (SMC) est l’une des techniques les plus populaires dans le domaine de
la commande des entrainements électriques, il est devenu très intéressant en raison de sa simple structure,
sa facilité d’implémentation ainsi que sa robustesse devant les différentes perturbations, son algorithme peut
générer un signal de commande maximum quelle que soit l’erreur de régulation même s’il est faible,
garantissant une certaine robustesse face aux charges appliquées. En revanche, cette condition provoque une
forte variation du signal de commande entre une valeur maximale positive et une autre négative avec une
fréquence élevée, cela est connu par le phénomène de Chattering, ce dernier est considéré comme le principal
inconvénient qui limite l’application de cette méthode aux systèmes réels. Plusieurs solutions ont été proposées
pour atténuer ce phénomène (Utkin, 96 ; Bartolini, 03 ; Barambones, 07), les commandes hybrides combinant
le SMC avec d’autres régulateurs représentent l’une des techniques les plus efficaces et sophistiquées
(Essounbouli, 03 ; Hamzaoui, 03 ; Masumpoor, 15), le contrôleur qui sera développé dans cette sous-section
fait partie de cette classe, il utilise le SMC avec le PIAW précédemment décrit, l’idée fondamentale est de
profiter des avantages des deux régulateurs sans avoir les inconvénients, alors que le maintien de la simplicité
de l’algorithme reste l’un de nos objectifs principaux. Étant donné que le SMC offre une réponse dynamique
rapide sans dépassement et que le Chattering n’apparaît que dans le régime permanent, il sera le responsable
de contrôler le démarrage et les régimes transitoires, tandis que le PIAW pilotera le régime permanent en raison
de ses signaux de haute qualité, l’activation de chaque régulateur sera effectuée par l’intermédiaire d’un simple
superviseur linéaire (Aichi, 20c), il reçoit l’information sur l’erreur statique de la vitesse pour générer une
décision convenable assure l’alternance des deux correcteurs dans chaque zone de fonctionnement.
3.1 - Principe du contrôle par mode glissant

Le SMC est une technique non linéaire permet de forcer la dynamique d’un système à commuter autour
d’une fonction désirée et de maintenir le glissement sur elle jusqu’au point d’équilibre (Utkin, 99), la surface
de glissement est le paramètre caractéristique du SMC qui est défini en fonction des variables à contrôler,
elle peut être décrite par une équation différentielle qui détermine le comportement du système par deux phases
(Benderradji, 13) : une phase de convergence pendant laquelle la trajectoire de l’état du système n’est pas sur
la surface de glissement, et une phase de glissement qui correspond au régime permanent durant laquelle, l’état
du système sera confiné à la surface de glissement, l’expression du contrôle se synthétise par le choix de la
surface de glissement en premier lieu, ensuite par la conception de la loi de commande qui garantit l’attractivité
ainsi que la stabilité de convergence (Slotine, 91 ; Utkin, 92). Considérons le système non linéaire (II.15).
𝑑𝑑𝑑𝑑
= 𝑓𝑓(𝑥𝑥, 𝑡𝑡) + 𝑔𝑔(𝑥𝑥, 𝑡𝑡). 𝑈𝑈(𝑡𝑡) + 𝛿𝛿(𝑡𝑡) (II.15)
𝑑𝑑𝑑𝑑
Notez que 𝑥𝑥 = [ 𝑥𝑥1 , 𝑥𝑥2 , … , 𝑥𝑥𝑛𝑛 ] ∈ ℜ𝑛𝑛 représente le vecteur des variables d’état, 𝑓𝑓(𝑥𝑥, 𝑡𝑡) et 𝑔𝑔(𝑥𝑥, 𝑡𝑡) sont des
fonctions non linéaires continues définies sur ℜ𝑛𝑛 , 𝑈𝑈(𝑡𝑡) ∈ ℜ𝑚𝑚 est le vecteur de commande et 𝛿𝛿(𝑡𝑡) représente
une fonction non linéaire bornée qui représente l’ensemble des perturbations externes.
- 27 -
∗ Détermination de la fonction de glissement

La surface de glissement « 𝑆𝑆(𝑥𝑥) » s’écrit généralement en fonction de l’erreur de régulation « 𝑒𝑒𝑥𝑥 »,
l’objectif est d’assurer la poursuite d’un signal de référence pour que l’écart « 𝑒𝑒𝑥𝑥 » tend vers zéro. J.J. Slotine
a proposé une forme générale pour déterminer cette fonction en utilisant l’équation (II.16) (Slotine, 86).
𝑟𝑟−1
𝜕𝜕
∀ 𝑒𝑒𝑥𝑥 = 𝑥𝑥 − 𝑥𝑥 , ∗
𝑆𝑆(𝑥𝑥) = � + 𝜆𝜆𝑥𝑥 � . 𝑒𝑒𝑥𝑥 (II.16)
𝜕𝜕𝜕𝜕
« 𝜆𝜆𝑥𝑥 » est un paramètre positif qui interprète la bande passante du contrôle désiré, « 𝑟𝑟 » est le degré relatif
qui égale au nombre de fois qu’il faut dériver la variable à régler pour faire apparaître la variable de commande.
∗ Détermination de la loi de commande

Il existe plusieurs théories pour déterminer la logique de commutation, d’après la littérature il y a trois types
de structures : la commande par relais, une autre utilise une contre-réaction linéaire à gains commutés et
la commande équivalente (Faqir, 03). La dernière technique est la plus utilisée dans notre domaine,
son principe de fonctionnement se repose sur l’élaboration d’une loi comportant deux termes : une commande
discontinue « 𝑢𝑢𝑑𝑑 » à haute fréquence assurant l’attractivité du système vers la surface de glissement, et une
autre équivalente « 𝑢𝑢𝑒𝑒𝑒𝑒 » qui maintient la stabilité le long de la surface de glissement (Utkin, 99).
𝑈𝑈 = 𝑢𝑢𝑑𝑑 + 𝑢𝑢𝑒𝑒𝑒𝑒 (II.17)
La dérivée temporelle de la surface de glissement peut s’exprime par :
𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑
= . (II.18)
Si on substitue les équations (II.15) et (II.17) dans la relation (II.18), on obtient :
= . � 𝑓𝑓(𝑥𝑥, 𝑡𝑡) + 𝑔𝑔(𝑥𝑥, 𝑡𝑡) . 𝑢𝑢𝑒𝑒𝑒𝑒 + 𝛿𝛿̆̆ (𝑡𝑡) � + . 𝑔𝑔(𝑥𝑥, 𝑡𝑡). 𝑢𝑢𝑑𝑑 (II.19)
Durant le régime permanent, la surface de glissement, sa dérivée et la commande discontinue seront
négligeables, nous pouvons donc déduire l’expression de la commande équivalente comme suit :
−1
𝑢𝑢𝑒𝑒𝑒𝑒 = − �𝑔𝑔�� (𝑥𝑥, 𝑡𝑡)� . �𝑓𝑓(𝑥𝑥, 𝑡𝑡) + 𝛿𝛿̆̆ (𝑡𝑡)� (II.20)
Durant le mode de convergence, une nouvelle expression de la dérivée de la surface de glissement sera
obtenue en remplaçant la commande équivalente (II.20) dans l’équation (II.19), telle que :
𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑
= . 𝑔𝑔(𝑥𝑥, 𝑡𝑡). 𝑢𝑢𝑑𝑑 (II.21)
La commande attractive sera déterminée en utilisant la condition d’attractivité « 𝑆𝑆. 𝑆𝑆̇ ≤ 0 » ; en multipliant
l’équation (II.21) par la fonction de glissement « 𝑆𝑆 », on aboutit à la relation (II.22), il suffit de déterminer
une loi de commande permettant de définir cette équation semi-négative pour assurer la stabilité du système.
𝑆𝑆. = 𝑆𝑆. . 𝑔𝑔(𝑥𝑥, 𝑡𝑡). 𝑢𝑢𝑑𝑑 ≤ 0 (II.22)
La forme générale de la commande discontinue est exprimée par l’équation (II.23) (Utkin, 92).
𝑢𝑢𝑑𝑑 = k SMC . Sgn(𝑆𝑆) (II.23)
« k SMC » est un gain de design. Dans le cas où l’erreur de régulation est définie « 𝑒𝑒𝑥𝑥 = 𝑥𝑥 ∗ − 𝑥𝑥 », cela
signifie que la variation de la surface de glissement a un signe opposé par rapport à la variation de la variable
à contrôler qui implique que « 𝑑𝑑𝑑𝑑⁄𝑑𝑑𝑑𝑑 = −𝜂𝜂 ≤ 0, ∀ 𝜂𝜂 > 0 », cette considération permet de définir
les paramètres de régulation en remplaçant la commande attractive (II.23) dans l’équation (II.22) pour obtenir :
𝑑𝑑𝑑𝑑
𝑆𝑆. = − k SMC . 𝑔𝑔(𝑥𝑥, 𝑡𝑡) . 𝜂𝜂 . |𝑆𝑆| ≤ 0 (II.24)
𝑑𝑑𝑑𝑑
- 28 -
La définition du gain « k SMC » positif est une condition indispensable pour que la stabilité asymptotique
soit vérifiée, la surface de glissement et sa dérivée sont de signe opposé quel que soit le temps, signifiant que
le zéro représente un point d’équilibre pour l’erreur de régulation « 𝑒𝑒𝑥𝑥 ». Dans le cas où les perturbations
extérieures sont inconnues, l’information « 𝛿𝛿(𝑡𝑡) » n’appartient pas à la commande équivalente, on écrit donc :
𝑆𝑆. = 𝑆𝑆. . �𝛿𝛿̆̇ (𝑡𝑡) + 𝑔𝑔(𝑥𝑥, 𝑡𝑡). k SMC . Sgn(𝑆𝑆)� ≤ 0 (II.25)
La convergence du système ne peut être garantie seulement si la condition suivante est vérifiée.
−1
k SMC ≥ Max �𝛿𝛿̂ (𝑡𝑡). � 𝑔𝑔��(𝑥𝑥, 𝑡𝑡) � � (II.26)
3.2 - Application du contrôle par mode glissant pour la régulation de la vitesse

Le dimensionnement du contrôleur se fait en utilisant la relation mécanique du modèle (II.2), dont le couple
de commande a une relation du premier ordre avec la vitesse. Le degré relatif « 𝑟𝑟 » de l’équation
de J.J. Slotine (II.16) sera choisi unitaire et le couple de charge « TL » sera supposé comme une perturbation
extérieure inconnue et limitée. La variation de la surface de glissement par rapport au temps est donnée par :
∗
𝑑𝑑𝑆𝑆 𝑑𝑑Ωm 1 B
∗
∀ 𝑆𝑆 = eΩ = Ωm − Ωm , = − . Te + . Ωm (II.27)
𝑑𝑑𝑡𝑡 𝑑𝑑𝑡𝑡 J J
Cette équation permet de déterminer la commande équivalente, alors que la commande attractive sera
imposée par la forme générale (II.23), la commande finale délivrée par le SMC est exprimée par :
∗
𝑑𝑑Ωm
∀ � Td = k Ω . Sgn(𝑆𝑆) ; Teq = J . + B. Ωm � , T ∗SMC = Td + Teq (II.28)
𝑑𝑑𝑡𝑡
« T ∗SMC » est la commande globale du régulateur, « Td » et « Teq » sont respectivement la commande
discontinue et la commande équivalente, le choix de « k Ω » devrait être judicieux pour que le contrôle global
respecte les valeurs maximales du couple et du courant supportés par le système d’entrainement, de plus, il faut
également assurer la minimisation du phénomène de Chattering, la plus simple méthode peut être utilisée, est
de remplacer la fonction discrète ‘Signe’ par d’autres types réduisant la sensibilité du contrôle aux faibles
erreurs. Plusieurs études ont été menées dans ce contexte, on peut citer par exemple (Park, 91 ; Shyu, 96 ;
Ouali, 97 ; Horch, 18) pour les applications sur les moteurs asynchrones, dans notre travail, nous intéressons
à utiliser la fonction ‘Smooth’ qui s’exprime par la relation suivante :
𝑆𝑆
Smooth(𝑆𝑆) = ℱ𝑠𝑠 (𝑆𝑆) = (II.29)
|𝑆𝑆| + σ
« 𝜎𝜎 » est une constante qui définit le degré d’affaiblissement des oscillations du contrôle autour du point
d’équilibre, il convient de la choisir faible afin de conserver le principe de la commande maximale du SMC.
La figure (II.9) montre la transition de la commande attractive en utilisant la fonction ‘Smooth’.
+K
Commande attractive
K/2
-K/2
-K
S (-) 0 S (+)
Surface de glissement
Figure II.9 : Commutation de la commande discontinue en basant sur la fonction ‘Smooth’
- 29 -
3.3 - Positionnement du problème de la commande par SMC

La compensation des non linéaires du système est essentielle pour avoir un bon contrôle dans les différentes
conditions de fonctionnement, en général, le régulateur ne peut pas éliminer complètement l’erreur statique
à la présence d’une perturbation extérieure inconnue qui fait partie de la non-linéarité du modèle. Dans notre
cas, le couple de charge ne sera pas pris en compte dans le dimensionnement des contrôleurs en raison de la
difficulté pratique de sa mesure, par conséquent, la commande attractive ne peut pas compenser la non-linéarité
du système sauf si le gain « k Ω » est sélectionné élevé, cette condition peut améliorer la robustesse, mais rendre
l’élimination du Chattering plus difficile ; si les fluctuations des signaux de commande ont des fortes valeurs,
elles peuvent même diverger le système et déstabiliser la commande (Utkin, 77).
3.4 - Exécution de la commande hybride pour le contrôle de vitesse d’un MAS

En adoptant le même principe de commande décrit par la figure (II.1), le contrôle de la vitesse sera effectué
à travers un régulateur hybride combinant le SMC avec le PIAW, les deux régulateurs seront fonctionnés
simultanément avec un pourcentage d’impact diffèrent, l’information délivrée par le superviseur peut activer
le SMC durant les régimes transitoires, au moment où le système proche au régime permanent, le superviseur
bascule le contrôle vers le PIAW d’une manière progressive afin de maintenir la stabilité globale du contrôleur.
Le développement de ce correcteur est dans le but d’avoir un contrôle optimal dans les différentes zones
de fonctionnement, où il peut offrir une réponse dynamique rapide sans dépassement grâce aux propriétés
du SMC, aussi bien, le phénomène de Chattering sera éliminé par l’utilisation du PIAW qui assure le contrôle
des régimes permanents (Aichi, 18b ; Aichi, 20c). La figure (II.10) montre la représentation graphique de la
sortie du superviseur linéaire utilisé, on peut le développer en utilisant la fonction (II.30), il convient de noter
que le superviseur actuel ne nécessite pas une grande charge de calcul par rapport à d’autres types tels que
ceux basés sur la logique floue (Hamzaoui, 03 ; Essounbouli, 03).
0 Si ∶ |é Ω | ≤ emin
⎧
|é Ω | − emin
𝑑𝑑 = Si ∶ emin < |é Ω | ≤ emax (II.30)
⎨ emax − emin
⎩ 1 Si ∶ |é Ω | > emax
Notez que « é Ω » représente l’écart entre la valeur finale de la consigne et la vitesse mesurée, « 𝑑𝑑 » est la
décision du superviseur, « emax » et « emin » sont respectivement la valeur maximale et minimale de l’erreur
de régulation « é Ω » et qui peuvent être déterminées par plusieurs essais expérimentaux.
(SMC) 1
66%
Décision
33%
(PIAW) 0
0 emin emax
|é Ω | (rad / s)
Figure II.10 : Décision du superviseur linéaire en fonction du paramètre « é Ω »
L’action finale du contrôleur hybride est exprimée par l’équation (II.31), « T ∗SMC » est la commande délivrée
par le SMC et « T ∗PIAW » représente la commande délivrée par le PIAW, cette commutation graduelle permet
de maintenir la stabilité globale comme elle empêche le passage instantané d’un régulateur à l’autre.
Te∗ = 𝑑𝑑 . T ∗SMC + �1 −̇ 𝑑𝑑 � . T ∗PIAW (II.31)
- 30 -
3.5 - Analyse de stabilité du régulateur Hybride – 1 (SMC / PIAW)

D’après le travail présenté dans (Aichi, 20c), le développement de chaque régulateur utilisé permet
d’imposer les deux hypothèses suivantes :
- L’information délivrée par le superviseur a une variation limitée qui varie entre [0 1].
- Le régulateur PIAW est supposé stable tant que les pôles de la fonction de transfert en boucle fermée
ont une partie réelle strictement négative, ce contrôleur génère une commande sous la forme suivante :
T ∗PIAW = k a . �k p . 𝑆𝑆 + k i . � 𝑆𝑆. 𝑑𝑑𝑑𝑑� (II.32)
La stabilité globale de la commande sera vérifiée en imposant la fonction de Lyapunov suivante :

1 2 1 2
∀ �𝑆𝑆̇ ≠ 0 , 𝒞𝒞 ≠ 0� , 𝑉𝑉ℎ1 = . 𝑆𝑆 + . 𝒞𝒞 > 0
2 2
(II.33)
𝒞𝒞 = �𝐿𝐿ℎ . � 𝑆𝑆. 𝑑𝑑𝑑𝑑
Avec « 𝐿𝐿ℎ = k a . k i . (1 − 𝑑𝑑) ⁄ 𝐽𝐽 ». En négligeant la variation de la décision du superviseur, la dérivée

temporelle de la fonction de Lyapunov peut être exprimée par (II.34) en utilisant l’équation (II.27).
𝑑𝑑𝑉𝑉ℎ1 𝑑𝑑Ω∗m 1 B
= 𝑆𝑆. � − . Te∗ + . Ωm + 𝐿𝐿ℎ . � 𝑆𝑆. 𝑑𝑑𝑑𝑑 � (II.34)
𝑑𝑑𝑑𝑑 𝑑𝑑𝑡𝑡 J J
Si nous substituons les équations (II.28), (II.31) et (II.32) dans la relation (II.34), on aboutit à l’expression
suivante :
𝑑𝑑𝑉𝑉ℎ1 𝑑𝑑. k Ω �1� − 𝑑𝑑� 𝑑𝑑Ωm ∗
B
= 𝑆𝑆. �− . ℱs (𝑆𝑆) − . k a . k p . 𝑆𝑆 + �1 −̇ 𝑑𝑑 �. � + . Ωm ��
𝑑𝑑𝑑𝑑 J J 𝑑𝑑𝑡𝑡 J
(II.35)
�1� − 𝑑𝑑� 𝑑𝑑. k Ω 𝑑𝑑Ωm ∗
B
=− . k a . k p . 𝑆𝑆 2 + �− . |𝑆𝑆| + 𝑆𝑆. �1 −̇ 𝑑𝑑 �. � + . Ωm ��
J J 𝑑𝑑𝑡𝑡 J
Pour que la stabilité soit vérifiée, il est nécessaire de confirmer l’inégalité suivante.
𝑑𝑑. k Ω 𝑑𝑑Ω∗m B
− . |𝑆𝑆| + 𝑆𝑆. �1 −̇ 𝑑𝑑 �. � + . Ωm � ≤ 0 (II.36)
J 𝑑𝑑𝑡𝑡 J
De là, nous pouvons conclure la condition de stabilité donnée par la relation (II.37).
�1� − 𝑑𝑑� 𝑑𝑑Ω∗m
∀ 𝑑𝑑 ≠ 0, k Ω ≥ Max � � .� J + B. Ωm � � � (II.37)
𝑑𝑑 𝑑𝑑𝑡𝑡
Pour « 𝑑𝑑 = 0 », on peut dire que le contrôle sera effectué par le régulateur PI Anti-Windup, donc la stabilité
du système est assurée selon le théorème de placement de pôles.
Pour « 𝑑𝑑 ≠ 0 », le système est asymptotiquement stable si le gain de la commande discontinue « k Ω » sera
sélectionné relativement important.
Nous pouvons dire donc que quelle que soit la zone de fonctionnement de la machine, ce contrôleur hybride
assure la convergence de la vitesse vers sa référence, et que le zéro représente un point d’équilibre pour l’erreur
de régulation de la vitesse (Aichi, 20c).
3.6 - Résultats pratiques de la commande Hybride – 1 (SMC / PIAW)

L’algorithme de régulation SMC/PIAW sera implémenté dans la carte dSPACE pour valider l’aspect
théorique de la commande hybride, cela permet d’examiner le contrôle par rapport au même moteur de 1𝑘𝑘𝑘𝑘.
La figure (II.11) illustre la conception du régulateur adopté dans la technique proposée, le procès du contrôle
- 31 -
sera exécuté pour un pas de calcul de 175µ𝑠𝑠, les gains du régulateur hybride ainsi que les paramètres
du superviseur sont mentionnés dans le tableau (II.2), le premier profil de la vitesse adopté dans la section
précédente sera utilisé pour comparer les performances du présent régulateur avec le PIAW afin de déterminer
ce qui a été amélioré, alors que la deuxième trajectoire sera adoptée pour étudier la qualité du contrôle dans
les différentes zones de fonctionnement.
Superviseur
linéaire Activation du mode glissant
Décision d × SMC
e d
Ωm eΩ
* Saturation
T PIAW
1 e Te * 1
PIAW Te *
S *
∗ T SMC
Ωm Wm Te *
2 Wm * ( 1 - d ) × PIAW
SMC Activation du PIAW
Figure II.11 : Schéma-bloc du contrôleur hybride type-1 (Aichi, 20c)
SMC PIAW Superviseur type - 1

k p = 0.5 ; k i = 3.0 emax = 4.0
Gains du régulateur de vitesse k SMC = 5
k a = 2.0 ; k r = 2.0 emin = 0.9
Gains du régulateur de courant 𝑘𝑘𝑝𝑝_𝑐𝑐 = 4.0 ; 𝑘𝑘𝑖𝑖_𝑐𝑐 = 450
Tableau II.2 : Paramètres du régulateur hybride type-1 (SMC/PIAW)
3.6.1 - Étude comparative entre le régulateur Hybride – 1 et le PIAW

La figure suivante montre une comparaison de performances entre le présent contrôleur hybride et le PIAW.
Ω m* Ω PIAW Ω Hybride-1 TL 10 Te * Te *
PIAW Hybride-1
100 7.5
Vitesse (rad / s)
103.5
5
102.2
100 2.5
98.5 0
-2.5
0
0 3 7 10 0 3 7 10
Temps (s) Temps (s)
100 10
7.5
Vitesse (rad / s)
105
5
100 2.5
95 0
0.25 0.45 0.65 -2.5

0
0.25 0.75 0 0.25 0.5 0.75 1 1.25
Temps (s) Temps (s)
Figure II.12 : Résultats comparatif entre le régulateur hybride type-1 et le contrôleur PIAW
- 32 -
3.6.2 - Performance du contrôle basée sur le régulateur Hybride – 1 (SMC / PIAW)

Les performances du MAS pour un contrôle hybride (SMC/PIAW) sont illustrées dans les figures suivantes.

120 9
53
Ω * Te *
122 m
Ω 6
50 120
Vitesse (rad / s)
m
48 118 3
T
L
50
0
-3
0
52.7
-6
50
-40 -9
1 4 8 11 15 19 22 28 30 9
Temps (s) Te * Te *
SMC PIAW
Couple partiel (N.m)

6
120 120 0
3
Vitesse (rad / s)
80
0
85 40 -20
-3
0 -6
50 -40 -40 -9
11 11.5 12 22 22.5 23 28 28.7 1 4 8 11 15 19 22 28 30
i i * 9 Te * 5
6
dq-réels dq SMC
Te *PIAW
4 6
2.5
2 3
0
0 0
-2 -2.5
-3
1 1.4 1.8 4 6 8
Temps (s) Temps (s)
4
2.5
5
2
0
0
2.5 -2.5
-2
-4 -5
-6 0
-7.5
-8
-2 -10
1 4 8 11 15 19 22 28 30 15 17 19 22 23 24
11
e SMC
Ω
7
0.8
3
Décision
0 0.6
-3 0.4
1.4 1.4
-7
0 0 0.2
-10
-2.5 -2.2
PIAW
-14
1 4 8 11 15 19 22 28 30 1 4 8 11 15 19 22 28 30
Temps (s) Temps (s)
Figure II.13 : Dynamique du moteur pour un contrôle hybride SMC-PIAW (Partie 1)
- 33 -
6 0.3 Ψr *
Ψr
Flux estimé ( Wb )
3
0 0.19
-3
0.1
-6
-9 0
1 4 8 11 15 19 22 28 30 1 4 8 11 15 19 22 28 30
Temps (s) Temps (s)
Figure II.14 : Dynamique du moteur pour un contrôle hybride SMC-PIAW (Partie 2)
Discussion
Les figures (II.13) et (II.14) montrent le comportement du moteur pour un contrôle basé sur la combinaison
du SMC avec le PIAW, on peut dire que le superviseur utilisé a été en mesure de fournir un bon pilotage des
deux contrôleurs dans les différents régimes de fonctionnement, il est clairement apparu que le démarrage
se fait par le SMC, au moment où la vitesse approche de la valeur finale, le superviseur active progressivement
le PIAW jusqu’au régime permanent et le SMC a été désactivé, c’est pourquoi le Chattering a été éliminé
carrément du signal de commande généré par le contrôleur hybride, ce dernier a pu offrir une bonne réponse
dynamique de la vitesse sans dépassement avec une stabilité très acceptable dans les régimes transitoires ainsi
qu’en régimes permanents. La figure (II.12) illustre la comparaison entre le contrôleur hybride et le PIAW par
rapport à un profil rapide, on constate une certaine amélioration en ce qui concerne le rejet de perturbation, par
contre, on peut noter un retard dans la réponse de la vitesse avec quelques vibrations qui se présentent avant
la stabilisation finale, ce comportement est principalement dû au SMC qui assure la régulation avec une
dynamique rapide, cette dynamique peut être observée même dans le signal de commande « Te∗ » de
la figure (II.13), à ce fait, l’utilisation du mode glissant d’ordre supérieur est considérée comme une solution
impeccable permettant d’améliorer la théorie de la commande hybride basée sur l’approche du mode glissant.
4 - Commande hybride ST-SMC / PI optimisé par un Anti-Windup global

L’incorporation du SMC dans la commande vectorielle assure la bonne poursuite de la consigne de la
vitesse avec une grande précision quel que soit le niveau des incertitudes et des perturbations, cette efficacité
est due à la nature discontinue de la partie attractive du SMC qui force la dynamique du moteur à se conformer
avec celle définie par la fonction de glissement, cependant, l’application de ce contrôle en temps réel ne
correspond pas à une dynamique qui glisse parfaitement sur la surface de commutation, de plus, elle provoque
ce qui est connu par le Chattering, sa présence dans les signaux de commande dégrade la stabilité du régulateur
et augmente sa sensibilité aux différentes perturbations. L’utilisation du mode glissant d’ordre supérieur
présente une méthode performante pour faire face à ce problème (Emelyanov, 86 ; Bartolini, 98), il est
développé pour pallier le phénomène de Chattering tout en gardant les propriétés de convergence en temps fini
et la robustesse du mode glissant classique. Il existe plusieurs algorithmes réalisant cette approche, on peut
trouver le SMC sous-optimal (Bartolini, 96), le SMC terminal (Wu, 98), entre autres, mais les plus utilisés
dans la littérature sont les algorithmes de Twisting et du Super Twisting (Levant, 93 ; Fridman, 02).
Le concept de la commande hybride a été introduit afin d’éliminer le phénomène de Chattering tout
en maintenant les avantages du mode glissant, dans la partie précédente, le SMC a été fusionné avec le PIAW
dans l’espoir d’élaborer un contrôle optimal, le Chattering a été significativement atténué avec une dynamique
acceptable de la vitesse et du courant, en revanche, cette performance n’a pas été aussi satisfaisante comme
prévu au regard de la complexité de l’algorithme ainsi que par rapport aux performances obtenues par
l’utilisation du PIAW seul. Pour cela, une deuxième structure de la commande hybride sera proposée par
l’utilisation de l’approche du mode glissant d’ordre élevé, le nouveau régulateur hybride comporte quatre
parties : un contrôleur du type Super-Twisting mode glissant (ST-SMC) pour le contrôle des régimes
- 34 -
transitoires, un simple régulateur proportionnel-intégral de la Section 2.2.1.1 pour contrôler le régime

permanent, un superviseur avancé à deux dimensions assure l’alternance des deux régulateurs, et un
mécanisme d’Anti-Windup permet de maitriser les actions intégrales des deux correcteurs, la stabilité
asymptotique sera assurée par la théorie de Lyapunov, alors que les performances du contrôle seront analysées
et discutées sur la base des résultats expérimentaux qui seront obtenus.
4.1 - Algorithme de Super-Twisting modifié utilisé pour le contrôle de la vitesse

L’algorithme de ST est une approche très populaire est bien documentée dont ses principes de base sont
introduits dans les références suivantes : (Levant, 93 ; Levant, 98 ; Levant, 99 ; Fridman, 02 ; Rivera, 11). Le
contrôleur hybride type-2 adoptera le même principe du type-1, la modification se fera au niveau du SMC en
optimisant la partie attractive, la loi de commande générée par le ST-SMC est exprimée par l’équation (II.38),
cette forme a été inspirée sur la base d’un choix judicieux qui pourrait garantir la stabilité de Lyapunov.
T ∗ST−SMC = Ta + Ti + Teq
Ta = k ST . 𝒮𝒮𝒮𝒮. ℱs (𝑆𝑆)
(II.38)
Ti = k i−ST . ��𝓌𝓌.̇ 𝑆𝑆�. 𝑑𝑑𝑑𝑑
∗
𝑑𝑑Ωm
Teq = J. + B . Ωm
𝑑𝑑𝑡𝑡
« Ta », « Ti » et « Teq » sont respectivement la commande attractive, intégrale et équivalente du ST-SMC.
« k ST » et « k i−ST » sont des gains de design caractérisant les actions attractive et intégrale, « 𝓌𝓌 » est un état
logique qui détermine le fonctionnement de l’intégrateur, son détail est présenté dans la Section 4.3, « 𝑆𝑆 » est
la surface de glissement, « ℱs (𝑆𝑆) » indique la fonction ‘Smooth’ décrite dans la Section 3.2. « 𝒮𝒮𝒮𝒮 » est une
action relative à la valeur de « 𝑆𝑆 », elle représente une fonction purement positive assurant l’atténuation du
phénomène de Chattering sans l’affectation de la robustesse du contrôle, elle peut être développée par (II.39).
�|𝑆𝑆| Si ∶ |𝑆𝑆| < 1 �� = 1

𝒮𝒮𝒮𝒮 = � ; ∀ Max �𝒮𝒮𝒮𝒮 (II.39)
1 Si ∶ |𝑆𝑆| ≥ 1
On peut considérer cette action comme un activateur de la commande attractive étant donné que sa valeur
est inférieure ou égale à « 1 » ; dans le cas où le système est loin de la surface de glissement, le ST-SMC
se comporte comme un SMC classique avec une action intégrale, ce qui permet de conserver les propriétés de
convergence, dans le cas contraire relatif aux faibles erreurs de régulation (inférieure à 1 rad/𝑠𝑠), l’action « 𝒮𝒮𝒮𝒮»
s’active afin d’affaiblir la commande « Ta » dans le régime permanent, sachant que : « ∀ |𝑆𝑆| < 1 , �|𝑆𝑆| < 1 »,
cela permet de réduire la commutation de la partie discontinue autour du point d’équilibre et éliminer le
phénomène de Chattering. D’un autre côté, la limitation de cette action à la valeur de « 1 » sera appliquée pour
réduire les paramètres agissant sur le contrôle final, ce dernier sera principalement dépendu des gains « k ST »
et « k i−ST », cela peut simplifier significativement l’implémentation de ce contrôle en temps réel.
4.2 - Mise en œuvre de la commande Hybride – 2 (ST-SMC / PI)

La mise en œuvre de la commande Hybride-2 ne se diffère pas à celle de la commande Hybride-1,
le régulateur PI est préférable pour contrôler l’état d’équilibre du système grâce à la haute qualité du signal
de commande délivré, de plus, le ‘Switching Control’ permet d’éliminer tous ses inconvénients par le passage
vers le ST-SMC dans les régimes transitoires. Un nouveau superviseur sera élaboré afin d’assurer l’alternance
optimale des deux régulateurs, ce dernier a l’avantage par rapport au type précédent d’utiliser la variation de
l’erreur de régulation pour améliorer la sensibilité du contrôle aux variations de la vitesse, ce qui augmente
la précision de la sélection du mode de fonctionnement. En basant sur le même paramètre auxiliaire de l’erreur
de régulation « é Ω » utilisé dans la Section 3.4, le superviseur actuel adoptera l’information « é Ω » et
sa variation « ∆é Ω » pour générer une décision « 𝑑𝑑2 » appropriée au mode de fonctionnement, dont l’état « 0 »
- 35 -
pour le ST-SMC et « 1 » pour le PI. La relation (II.40) définit l’équation mathématique de la décision générée
par ce superviseur, sa représentation graphique dans le plan ( é Ω , ∆é Ω ) est montrée dans la figure (II.15).
( |é Ω | − emin )2 ( |∆é Ω | − ∆emin )2 −

𝛾𝛾1
−
𝛾𝛾2
∀ � 𝛾𝛾1 = ; 𝛾𝛾2 = �, 𝑑𝑑2 = �𝑒𝑒 0.15 � . �𝑒𝑒 0.15 � (II.40)
( emax − emin )2 ( ∆emax − ∆emin )2
1
0.8
PI
0.6
Décision
75%
50% 0.4
25%
ST-SMC
0.2
Figure II.15 : Représentation graphique de la décision du superviseur type-2
Le présent superviseur peut être défini comme une intersection entre deux fonctions gaussiennes, chacune
est caractérisée par des paramètres dépond de l’erreur « é Ω » et de sa dynamique, « emax » et « emin » sont
respectivement les valeurs maximale et minimale du paramètre « é Ω », « ∆emax » et « ∆emin » sont la valeur
maximale et minimale relative à la variation de l’erreur « ∆é Ω », il convient de noter qu’il est préférable dans
la pratique d’éviter l’utilisation de la dérivé temporelle « 𝑑𝑑 ⁄𝑑𝑑𝑑𝑑 » en raison de sa sensibilité aux signaux
échantillonnés, il est recommandé d’utiliser l’équation (II.41) pour définir le paramètre « ∆é Ω ».
∀ 𝑡𝑡 < 𝑛𝑛 . 𝑇𝑇𝑒𝑒 , ∆é Ω (𝑡𝑡) = é Ω (𝑡𝑡)
(II.41)
∀ 𝑡𝑡 > 𝑛𝑛 . 𝑇𝑇𝑒𝑒 , ∆é Ω (𝑡𝑡) = é Ω (𝑡𝑡) − é Ω ( 𝑡𝑡 − 𝑛𝑛 . 𝑇𝑇𝑒𝑒 )
« 𝑇𝑇𝑒𝑒 » est le pas d’échantillonnage utilisé dans l’algorithme du contrôle, « é Ω ( 𝑡𝑡 − 𝑛𝑛 . 𝑇𝑇𝑒𝑒 ) » représente
l’information retardée de « é Ω » par « 𝑛𝑛 . 𝑇𝑇𝑒𝑒 » second dont sa condition initiale est égale zéro. La loi
de commande se génère selon d’expression (II.42) décrivant le ‘Switching Control’, elle dépendra directement
de la décision « 𝑑𝑑2 » à travers laquelle chaque régulateur sera activé par un pourcentage bien déterminé.
Te∗ = 𝑑𝑑2 . T ∗PI + �1 −̇ 𝑑𝑑2 � . T ∗ST−SMC (II.42)
4.3 - Mécanisme global d’Anti-Windup

La présence de plusieurs blocs d’intégration dans un tel système de contrôle provoque d’une manière ou
d’une autre l’apparition des dynamiques indésirables dans les variables à contrôler, risquant même de dégrader
l’efficacité des actionneurs. Afin de perfectionner la structure du régulateur Hybride-2, nous l’avons équipé
par un mécanisme Anti-Windup général qui sera capable de maitriser simultanément les deux actions intégrales
des régulateurs partiels, cette optimisation sera réalisée selon l’algorithme suivant :
TM = 𝑓𝑓�Te∗ (𝑡𝑡)� ; % 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠é𝑒𝑒 𝑑𝑑𝑑𝑑 𝑇𝑇𝑒𝑒 ∗ 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎é𝑒𝑒 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑚𝑚é𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑’𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 − 𝑊𝑊𝑊𝑊𝑊𝑊𝑊𝑊𝑊𝑊𝑊𝑊.
𝑥𝑥 = | Te′ − TM | ; % 𝑇𝑇𝑇𝑇 ′ ∶ 𝐶𝐶𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑔𝑔é𝑛𝑛é𝑟𝑟é𝑒𝑒 𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑙𝑙 𝑟𝑟é𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔 ℎ𝑦𝑦𝑦𝑦𝑦𝑦𝑦𝑦𝑦𝑦𝑦𝑦.
𝑠𝑠𝑠𝑠 ( 𝑥𝑥 ≠ 0 ) ; 𝑦𝑦 = 1 ;
% 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑑𝑑 ′ 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑑𝑑𝑑𝑑 𝑙𝑙′ 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 − 𝑊𝑊𝑊𝑊𝑊𝑊𝑊𝑊𝑊𝑊𝑊𝑊.
𝑠𝑠𝑠𝑠 𝑛𝑛𝑛𝑛𝑛𝑛 ; 𝑦𝑦 = 0 ;
𝓌𝓌 = 1 − 𝑦𝑦 ; % 𝐸𝐸́ 𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑑𝑑𝑑𝑑𝑑𝑑 𝑖𝑖𝑖𝑖𝑖𝑖é𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔 𝑠𝑠𝑠𝑠𝑠𝑠ℎ𝑎𝑎𝑎𝑎𝑎𝑎 𝑞𝑞𝑞𝑞𝑞𝑞 𝓌𝓌 ∈ [0,1].
Au lieu d’intégrer directement l’erreur de régulation, les intégrateurs auront l’information « 𝓌𝓌. 𝑆𝑆 » comme
entrée, ainsi, l’action intégrale sera limitée dans le cas de saturation du signal généré. La figure (II.16) illustre
l’installation de ce mécanisme dans la structure du régulateur Hybride-2.
- 36 -
4.4 - Analyse de stabilité du contrôleur Hybride – 2 (ST-SMC / PI)

Sur la base du même principe d’analyse décrit dans (Aichi, 20c), nous considérons les concepts suivants :
- La décision générée par le superviseur gaussien ainsi que l’action « 𝒮𝒮𝒮𝒮 » définie par l’équation (II.39)
présentent des valeurs bornées et positives qui appartiennent à l’intervalle [0 1].
- Selon la méthode du placement de pôles, le régulateur PI est stable car les pôles de la fonction de transfert
de régulation en boucle fermée ont une partie réelle strictement négative, le signal de commande délivré
par ce correcteur peut s’exprimer par l’équation suivante :
T ∗PI = k p . 𝑆𝑆 + k i . ��𝓌𝓌.̇ 𝑆𝑆�. 𝑑𝑑𝑑𝑑 (II.43)
La stabilité asymptotique sera étudiée en imposant la fonction candidate de Lyapunov comme suit :
1 1
∀ � 𝑆𝑆 ≠ 0 , ℋ = �𝐿𝐿𝑖𝑖 . ��𝓌𝓌.̇ 𝑆𝑆�. 𝑑𝑑𝑑𝑑 � , 𝑉𝑉ℎ2 = . 𝑆𝑆 2 + . ℋ 2 > 0 (II.44)
2 2
La dérivée temporelle de « 𝓌𝓌 » sera négligée car sa variation est très rapide par rapport à la variation
du paramètre de commande « 𝑆𝑆 », si on impose « 𝐿𝐿𝑖𝑖 = k i−ST ⁄( 𝐽𝐽. 𝓌𝓌) », la dérivée de la fonction
de Lyapunov (II.44) par rapport au temps sera exprimée par la relation (II.45) en utilisant l’équation (II.27).
𝑑𝑑𝑉𝑉ℎ2 𝑑𝑑𝑆𝑆 𝑑𝑑ℋ 𝑑𝑑Ω∗m 1 B k i−ST
= 𝑆𝑆. + ℋ. = 𝑆𝑆. � − . Te∗ + . Ωm + . ��𝓌𝓌.̇ 𝑆𝑆�. 𝑑𝑑𝑑𝑑 � (II.45)
𝑑𝑑𝑑𝑑 𝑑𝑑𝑡𝑡 𝑑𝑑𝑡𝑡 𝑑𝑑𝑡𝑡 J J J
En substituant les équations (II.38), (II.42) et (II.43) dans l’équation (II.45), on obtient :
𝑑𝑑𝑉𝑉ℎ2 𝑑𝑑2 �1 −̇ 𝑑𝑑2 �
= 𝑆𝑆. � − . k p . 𝑆𝑆 − . k ST . 𝒮𝒮𝒮𝒮. ℱs (𝑆𝑆)
𝑑𝑑𝑑𝑑 J J
𝑑𝑑Ωm ∗ ̇̇ B . Ω 𝑑𝑑2
� + � . �k ı̇−ST ̇̇ − k ı̇ �� . ��𝓌𝓌.̇ 𝑆𝑆�. 𝑑𝑑𝑑𝑑 �
m
+ 𝑑𝑑2 . � +
𝑑𝑑𝑡𝑡 J J
(II.46)
𝑑𝑑2 �1 −̇ 𝑑𝑑2 � 𝑑𝑑Ωm ∗
B . Ωm
=− . k p . 𝑆𝑆 2 + �− . k ST . 𝒮𝒮𝒮𝒮. |𝑆𝑆| + 𝑆𝑆 . 𝑑𝑑2 . � + ��
J J 𝑑𝑑𝑡𝑡 J
𝑑𝑑2
+ 𝑆𝑆. � . �k ı̇−ST ̇̇ − k ı̇ �� . ��𝓌𝓌.̇ 𝑆𝑆�. 𝑑𝑑𝑑𝑑
J
Une des conditions indispensables qui contribue à la vérification de la stabilité asymptotique a été définie
expérimentalement et analytiquement, cette condition consiste à fixer les deux gains des actions intégrales
des deux correcteurs partiels à la même valeur « k i−ST = k i » afin d’aboutir à l’inégalité suivante :
�1 −̇ 𝑑𝑑2 � 𝑑𝑑Ω∗m B . Ωm
− . k ST . 𝒮𝒮𝒮𝒮. |𝑆𝑆| + 𝑆𝑆 . 𝑑𝑑2 . � + �≤0 (II.47)
J 𝑑𝑑𝑡𝑡 J
Sachant que « k p > 0 », nous pouvons donc conclure la condition finale de stabilité donnée par (II.48).
1 𝑑𝑑2 𝑑𝑑Ω∗m
∀ �𝑑𝑑2 ≠ 1̇̇ , 𝑆𝑆 ≠ 0� , k ST ≥ Max � � . . �J. + B . Ωm � � � (II.48)
𝒮𝒮𝒮𝒮 �1 −̇ 𝑑𝑑2 � 𝑑𝑑𝑡𝑡
Si « 𝑑𝑑2 = 1 », la stabilité du système sera assurée par le critère de placement de pôles, dans le cas contraire,
deux conditions essentielles doivent être respectées : la première est de sélectionner les deux actions intégrales
avec la même valeur « k i−ST = k i », et la deuxième se base sur le choix du gain « k ST » positive avec une
valeur élevée, nous pouvons ensuite conclure que le zéro représente un point d’équilibre pour la variable « 𝑆𝑆 ».
4.5 - Résultats expérimentaux du contrôle Hybride – 2 (ST-SMC / PI)

La configuration proposée du présent régulateur hybride a été validée expérimentalement afin d’évaluer
ses performances par rapport au premier régulateur hybride d’un côté, et d’un autre côté pour vérifier
l’efficacité du contrôle en temps réel, l’algorithme du contrôle montré dans la figure (II.16) a été implémenté
- 37 -
dans la carte dSPACE par un pas de calcul de 205µ𝑠𝑠, tous les coefficients des régulateurs partiels et
du superviseur sont présentés dans le tableau (II.3), on doit noter que ces paramètres ont été obtenu par
une série de tests intensifs afin d’aboutir à la configuration optimale.
ST - SMC PI Superviseur type - 2

k ST = 6.0 k p = 1.4 emax = 4.0 ; ∆emax = 0.5
Gains du régulateur de vitesse
k i−ST = 7.0 k i = 7.0 emin = 0.6 ; ∆emin = 0.3 ; 𝑚𝑚 = 50
Tableau II.3 : Paramètres du régulateur hybride type-2 ( ST-SMC / PI )
Superviseur Type-2
Activation du mode glissant
Activation Décision
de l'Anti-Windup d × ST-SMC
w Δe
Ωm eΩ PI
1 1 e T *PI Saturation
y Te *
y = 1 ; si x > 0 Intégrateur
1
∗
y = 0 ; si x = 0 Ωm Te *
x 2 S
Wm T *ST-SMC
|u| Te *
Wm * ( 1 - d ) × PI
TM Te' Intégrateur
w.S Activation du PI
ST-SMC
Sat _ AW
Figure II.16 : Schéma-bloc du contrôleur hybride optimisé ( Type-2 )
4.5.1 - Amélioration du correcteur Hybride – 2 par rapport au ST-SMC

La figure (II.17) montre l’avantage d’utiliser le contrôle hybride type-2 par rapport au régulateur ST-SMC.
Ω m* Ω ST-SMC Ω TL 10 Te * Te *
Hybride-2 ST-SMC Hybride-2
100 7.5
Vitesse (rad / s)
101.7
101.2 5
100 2.5
99 0
-2.5
0
0 3 7 10 0 3 7 10
Temps (s) Temps (s)
100 10
7.5
Vitesse (rad / s)
104
5
100
2.5
96 0
0.25 1
-2.5
0
0.25 0.75 0 0.25 0.5 0.75 1 1.25
Temps (s) Temps (s)
Figure II.17 : Réponses dynamiques des contrôleurs Hybride-2 et ST-SMC pour un profil de vitesse rapide
- 38 -
4.5.2 - Performance du contrôle basé sur la structure hybride ST-SMC / PI

Les performances du MAS pour un contrôle hybride type-2 sont illustrées dans les figures (II.18) et (II.19).

120 Ω * 7.5 Te *
52 122 m
Ω 5
Vitesse (rad / s)
50 120 m
49 119 T 2.5
L
50
0
-2.5
0
-5
-40 -7.5
1 4 8 11 15 19 22 28 30 7.5
Temps (s)

5
120 120 0
2.5
Vitesse (rad / s)
80
0
85 40 -20 -2.5
0 -5
Te *ST-SMC Te *PI
50 -40 -40 -7.5
11 11.5 12 22 22.5 23 28 28.7 1 4 8 11 15 19 22 28 30
6 e
Ω
3 0.8
Décision
0 0.6
-3 0.4
1 1
-6 0 0 0.2
-1.6 -1.6
-9 PI
1 4 8 11 15 19 22 28 30 1 4 8 11 15 19 22 28 30
Temps (s) Temps (s)
7.5 Te * 7.5
idq-réels idq*
ST-SMC
4 6 Te *
PI 5
4.5
2 3 2.5
1.5
0 0
0
-2 -1.5 -2.5
1 1.4 1.8 11 11.4 11.8
Temps (s) Temps (s)
4 5
2 5
2.5
0
0
-2 2.5
-2.5
-4
-5
-6 0 -7.5
1 4 8 11 15 19 22 28 30 15 17 19 22 22.5 23
Figure II.18 : Performances du moteur pour un contrôle hybride ST-SMC/PI (Partie 1)
- 39 -
6 0.3 Ψr *
Flux estimé ( Wb )
r
3
0.19
0
-3 0.1
-6
0
1 4 8 11 15 19 22 28 30 1 4 8 11 15 19 22 28 30
Temps (s) Temps (s)
Figure II.19 : Performances du moteur pour un contrôle hybride ST-SMC/PI (Partie 2)
Discussion
Le but principal de la commande Hybride-2 est d’optimiser le niveau du contrôle de la machine asynchrone
par rapport à la qualité de poursuite ainsi que la puissance de rejet des perturbations, les figures (II.18) et (II.19)
représentent l’évolution des grandeurs électriques et mécaniques du moteur durant toute la période de
fonctionnement, on peut constater l’amélioration remarquable du contrôle de la vitesse en termes de rapidité,
de stabilité et de robustesse devant les couples de charge appliqués. Il convient de noter que le couple de
référence ne contient pas du Chattering dans les régimes permanents, en revanche, de légères oscillations
peuvent être observées pendant les régimes transitoires, ce comportement est probablement dû au principe
attractif du ST-SMC d’une part, et d’autre part au superviseur qui pourrait alterner les deux régulateurs par
une fréquence relativement élevée avant la stabilisation finale, cette dynamique est acceptable en raison de
sa courte durée, où elle n’a eu aucun effet sur la réponse du courant ou de la vitesse. Il est également à noter
que le superviseur actuel a été en mesure de fournir une meilleure décision par rapport au superviseur linéaire,
notamment en matière de détection des perturbations extérieures, cette amélioration se reflète dans l’erreur
statique de la vitesse au moment de l’application d’une charge, qui est caractérisée par un écart de 1.6 rad/𝑠𝑠
dans les différentes zones d’opération, cela peut justifier l’amélioration de la présente approche en matière de
robustesse. Concernant les autres variables fondamentales, les deux composantes du courant ainsi que le flux
rotorique restent symétries avec leurs valeurs de référence d’une manière très acceptable, cette régulation est
la raison principale pour laquelle les courants triphasés ne dépassaient pas les valeurs maximales admissibles.
La figure (II.17) illustre l’inconvénient d’utiliser le ST-SMC seul, cette figure montre l’avantage du
régulateur Hybride-2 par rapport au ST-SMC qui entraîne de fortes vibrations de vitesse au début du régime
permanent, nous pouvons également déduire de cette figure, la différence entre les performances des deux
contrôleurs hybrides, dont le deuxième porte une amélioration remarquable par rapport à la rapidité de
convergence et la sensibilité aux charges appliquées. Un deuxième facteur que nous n’avons pas pu exprimer
graphiquement est le facteur de bruit, sur la base de plusieurs essais expérimentaux, nous avons remarqué que
durant les régimes transitoires, le contrôleur Hybride-2 entraîne moins de bruit par rapport au premier, alors
que notre analyse revient au fait que ce résultat est dû à l’efficacité du ST-SMC par rapport à la version
classique du SMC. Il existe un autre facteur important qui est le courant maximal atteint dans les régimes
transitoires, dans le cas de l’inversement de sens de rotation, le régulateur Hybride-1 provoque une intensité
de 9𝐴𝐴, tandis que le courant de l’Hybride-2 a accusé une baisse de 33% (6𝐴𝐴). Tous ces facteurs indiquant que
le second contrôle est le plus performant, d’un autre côté, le niveau de complexité des algorithmes présente un
critère important pour déterminer le choix des contrôleurs, la structure du régulateur Hybride-2 se compose de
deux régulateurs plus un superviseur non linéaire, ceci rend impossible l’implémentation de son algorithme
avec un temps de calcul inférieur à 205µ𝑠𝑠, ce pas d’échantillonnage pourrait doubler dans le cas d’intégration
d’autres programmes d’observation ou d’estimation des paramètres, au point de risquer d’avoir une mauvaise
exécution du contrôle global. Dans cette tendance, il est nécessaire d’élaborer un contrôle plus simple avec les
mêmes performances, en s’éloignant du principe des commandes hybrides et des théories du mode glissant et
en adoptant d’autres techniques non linéaires capables de perfectionner le contrôle dans de nombreux aspects.
- 40 -
5 - Commande Backstepping avec action intégrale à gains variables

Dans le cas d’un système d’ordre élevé présentant des non-linéarités essentielles qui ne peuvent pas être
négligées, la conception d’un contrôleur qui garantit les performances requises, peut souvent s’avérer une tâche
compliquée et très difficile à réaliser, il est nécessaire donc d’utiliser des techniques avancées capables de faire
face à de tels problèmes. On peut distinguer deux approches pouvant aborder ce type de systèmes : la première
vise à linéariser le système à contrôler afin d’utiliser les méthodes linéaires, cette linéarisation sera réalisée par
le moyen des approximations ou des transformations géométriques dans l’espace de phases, l’inconvénient de
ces méthodes réside dans l’incapacité d’aboutir à un système parfaitement linéarisé, ce qui affectera le choix
de la commande finale. La seconde approche se repose sur la conception d’une loi de commande par une
fonction de Lyapunov, la détermination de la fonction appropriée pour ces types de systèmes représente
une tache très complexe, la commande Backstepping est une méthode de synthèse systématique destinée à
la classe des systèmes non linéaires ayant une forme triangulaire (Kanellakopoulos, 91 ; Krstić, 95),
elle consiste à fragmenter un système multivariable généralement d’ordre élevé en un ensemble de sous-
systèmes imbriqués du premier ordre, qui sont mis en cascade afin d’établir des relations causales successives,
le calcul de la loi de commande s’effectue récursivement en partant de l’intérieur de la boucle en basant sur
la deuxième méthode de Lyapunov, pour chaque sous-système, une commande virtuelle sera calculée pour
assurer la convergence des sous-systèmes vers ces états d’équilibre, chaque commande générée sera considérée
comme référence pour le sous-système suivant jusqu’à l’obtention de la loi de commande finale pour
le système complet. Les références suivantes : (Krstić, 95 ; Benaskeur, 00) sont recommandées à consulter
pour plus de détails sur le contrôle des systèmes non linéaires.
Selon plusieurs expériences menées sur l’application de cette technique sur divers systèmes non linéaires,
la version classique du Backstepping ne peut pas garantir des résultats satisfaisants en cas de présence des non-
linéarités incertains ou un fonctionnement sous des perturbations extérieures inconnues (Krstić, 95 ;
Benaskeur, 00 ; Mehazzem, 17), cette modeste performance est due à la loi de commande qui se repose
essentiellement sur une action proportionnelle, cela entraîne l’apparition d’une erreur statique avec une valeur
relative aux non-linéarités non compensées. Pour y remédier, on renforce les différentes étapes de conception
des lois de commande par des actions intégrales, cette modification permet d’améliorer significativement
la qualité du contrôle et augmente sa robustesse devant les perturbations extérieures.
5.1 - Conception de la commande Backstepping avec action intégrale

Considérons le système non linéaire (II.49), qui peut être représenté par une forme triangulaire telle que :
𝑥𝑥̇1 = 𝑓𝑓1 (𝑥𝑥1 ) + 𝑔𝑔1 (𝑥𝑥1 ). 𝑥𝑥2

𝑥𝑥̇ 2 = 𝑓𝑓1 (𝑥𝑥1 , 𝑥𝑥2 ) + 𝑔𝑔2 (𝑥𝑥1 , 𝑥𝑥2 ). 𝑥𝑥3
(II.49)
⋮
𝑥𝑥̇ 𝑛𝑛 = 𝑓𝑓1 (𝑥𝑥1 , 𝑥𝑥2 , … , 𝑥𝑥𝑛𝑛 ) + 𝑔𝑔𝑛𝑛 (𝑥𝑥1 , 𝑥𝑥2 , … , 𝑥𝑥𝑛𝑛 ). 𝑢𝑢
« 𝑥𝑥 = [ 𝑥𝑥1 , 𝑥𝑥2 , … , 𝑥𝑥𝑛𝑛 ]𝑇𝑇 ∈ ℜ𝑛𝑛 » est le vecteur des variables d’états, « 𝑓𝑓1 , 𝑓𝑓2 , … , 𝑓𝑓𝑛𝑛 » et « 𝑔𝑔1 , 𝑔𝑔2 , … , 𝑔𝑔𝑛𝑛 » sont
des fonctions non linéaires supposées connues et uniformément bornées et « 𝑢𝑢 ∈ ℜ𝑝𝑝 » est le vecteur de
la commande finale. Si le système est d’ordre « 𝑛𝑛 », la conception du contrôle sera effectuée en « 𝑛𝑛 » étapes.
1ere étape : en commençant par la première équation du système (II.49), la variable « 𝑥𝑥2 » sera considérée
comme une commande virtuelle du premier sous-système et comme référence pour le deuxième sous-système,
nous définissons la variable auxiliaire de commande par (II.50), sachant que « 𝑥𝑥1∗ » représente la valeur
de référence de « 𝑥𝑥1 » et « 𝐿𝐿1 » est un gain positif relatif à l’action intégrale du contrôle.
𝒵𝒵1 = 𝑒𝑒1 + 𝐿𝐿1 . � 𝑒𝑒1 . 𝑑𝑑𝑑𝑑

(II.50)
𝑒𝑒1 = 𝑥𝑥1∗ − 𝑥𝑥1
- 41 -
La dérivée temporelle de la variable de commande « 𝒵𝒵 » s’écrit comme suit :

𝒵𝒵1̇ = 𝑒𝑒̇1 + 𝐿𝐿1 . 𝑒𝑒1
(II.51)
= 𝑥𝑥̇ 1∗ − 𝑥𝑥̇ 1 + 𝐿𝐿1 . 𝑒𝑒1
On remplace « 𝑥𝑥̇1 » par sa fonction algébrique donnée dans (II.49) pour obtient :
𝒵𝒵̇1 = 𝑥𝑥̇1∗ − 𝑓𝑓1 (𝑥𝑥1 ) − 𝑔𝑔1 (𝑥𝑥1 ). 𝑥𝑥2 + 𝐿𝐿1 . 𝑒𝑒1 (II.52)
La commande virtuelle sera déterminée en utilisant la fonction de Lyapunov exprimée par (II.53),
cette forme simple est souvent un bon choix pour un tel système scalaire (Gille, 88).
1 2
∀ 𝒵𝒵 ≠ 0 , 𝑉𝑉1 = . 𝒵𝒵 > 0 (II.53)
2 1
La stabilité asymptotique peut être assurée en rendant la dérivée de (II.53) semi-négative.
⃛(𝑥𝑥 ). 𝑥𝑥 ∗ + 𝐿𝐿 . 𝑒𝑒 � ≤ 0
𝑉𝑉1̇ = 𝒵𝒵. �𝑥𝑥̇1∗ − 𝑓𝑓1 (𝑥𝑥1 ) − 𝑔𝑔1⃛ (II.54)
1 2 1 1
Par un choix judicieux, la commande virtuelle « 𝑥𝑥2∗ » qui stabilise le premier sous-système sera donnée
par l’expression (II.55), sachant que « 𝑘𝑘1 » est un gain de conception du contrôleur.
1 ⃛𝑓𝑓 (𝑥𝑥 ) + 𝐿𝐿 . 𝑒𝑒 �
𝑥𝑥2∗ = . �𝑘𝑘1 . 𝒵𝒵1 + 𝑥𝑥̇1∗ − ⃛ 1 1 1 1 (II.55)
𝑔𝑔1 (𝑥𝑥1 )
Si on remplace cette commande dans la relation (II.54), on va avoir :

∀ 𝑘𝑘1 > 0 , 𝑉𝑉1̇ = − 𝑘𝑘1 . 𝒵𝒵12 ≤ 0 (II.56)
La positivité du gain « 𝑘𝑘1 » est une condition suffisante pour que la stabilité asymptotique soit vérifiée.
2 eme étape : la sortie du premier sous-système sera le signal de référence pour le deuxième sous-système
dans lequel sa variable de commande sera définie par :
∀ 𝑒𝑒2 = 𝑥𝑥2∗ − 𝑥𝑥2 , 𝒵𝒵2 = 𝑒𝑒2 + 𝐿𝐿2 . � 𝑒𝑒2 . 𝑑𝑑𝑑𝑑 (II.57)
« 𝐿𝐿2 > 0 » est le gain intégral relatif à la commande virtuelle du deuxième sous-système, la dérivée
temporelle de la fonction (II.57) est donnée par :
𝒵𝒵̇2 = 𝑥𝑥̇ 2∗ − 𝑥𝑥̇ 2 + 𝐿𝐿2 . 𝑒𝑒2
(II.58)
= 𝑥𝑥̇ 2∗ − 𝑓𝑓1 (𝑥𝑥1 , 𝑥𝑥2 ) − 𝑔𝑔2 (𝑥𝑥1 , 𝑥𝑥2 ). 𝑥𝑥3 + 𝐿𝐿2 . 𝑒𝑒2
Considérons la fonction candidate de Lyapunov suivante :
1
∀ (𝒵𝒵1 ≠ 0 , 𝒵𝒵2 ≠ 0) , 𝑉𝑉2 = 𝑉𝑉1 + . 𝒵𝒵 2 > 0 (II.59)
2 2
Sa dérivée par rapport au temps s’écrit comme suit :
𝑉𝑉2̇ = 𝑉𝑉1̇ + 𝒵𝒵2 . 𝒵𝒵̇2

(II.60)
= − 𝑘𝑘1 . 𝒵𝒵12 + 𝒵𝒵2 . �𝑥𝑥̇ 2∗ − 𝑓𝑓1 (𝑥𝑥1 , 𝑥𝑥2 ) − 𝑔𝑔2⃛
⃛(𝑥𝑥1 , 𝑥𝑥2 ). 𝑥𝑥3 + 𝐿𝐿2 . 𝑒𝑒2 �
L’équation (II.61) définit la commande virtuelle « 𝑥𝑥3∗ » du deuxième sous-système, la substitution de cette
loi de commande dans l’équation (II.60) détermine la condition de stabilité pour ce sous-système.
1 ⃛(𝑥𝑥 , 𝑥𝑥 ) + 𝐿𝐿 . 𝑒𝑒 �
𝑥𝑥3∗ = . �𝑘𝑘2 . 𝒵𝒵2 + 𝑥𝑥̇ 2∗ − 𝑓𝑓1⃛ 1 2 2 2 (II.61)
𝑔𝑔2 (𝑥𝑥1 , 𝑥𝑥2 )
« 𝑘𝑘2 » est le gain du contrôle qui doit être strictement positif afin d’assurer la stabilité asymptotique.
∀ (𝑘𝑘1 > 0 , 𝑘𝑘2 > 0) , 𝑉𝑉̇2 = −𝑘𝑘1 . 𝒵𝒵12 − 𝑘𝑘2 . 𝒵𝒵22 ≤ 0 (II.62)
- 42 -
n ième étape : de la même manière, la variable de commande pour cette étape peut être définie par (II.63),
avec « 𝐿𝐿𝑛𝑛 > 0 » est le gain intégral de la commande finale.
∀ 𝑒𝑒𝑛𝑛 = 𝑥𝑥𝑛𝑛∗ − 𝑥𝑥𝑛𝑛 , 𝒵𝒵𝑛𝑛 = 𝑒𝑒𝑛𝑛 + 𝐿𝐿𝑛𝑛 . � 𝑒𝑒𝑛𝑛 . 𝑑𝑑𝑑𝑑 (II.63)
Nous définissons la dynamique de l’équation (II.63) par la relation (II.64).

𝒵𝒵̇𝑛𝑛 = 𝑥𝑥̇ 𝑛𝑛∗ − 𝑥𝑥̇ 𝑛𝑛 + 𝐿𝐿𝑛𝑛 . 𝑒𝑒𝑛𝑛
(II.64)
= 𝑥𝑥̇ 𝑛𝑛∗ − 𝑓𝑓1 (𝑥𝑥1 , 𝑥𝑥2 , … , 𝑥𝑥𝑛𝑛 ) − 𝑔𝑔𝑛𝑛 (𝑥𝑥1 , 𝑥𝑥2 , … , 𝑥𝑥𝑛𝑛 ). 𝑢𝑢 + 𝐿𝐿𝑛𝑛 . 𝑒𝑒𝑛𝑛
La fonction de Lyapunov étendue, utilisée pour déterminer la commande finale est définie comme suit :
1
∀ (𝒵𝒵1 ≠ 0 , 𝒵𝒵2 ≠ 0 , … , 𝒵𝒵𝑛𝑛 ≠ 0), 𝑉𝑉𝑛𝑛 = 𝑉𝑉1 + 𝑉𝑉2 + ⋯ + . 𝒵𝒵 2 > 0 (II.65)
2 𝑛𝑛
Sa dérivée par rapport au temps est donnée par :
𝑉𝑉𝑛𝑛̇ = 𝑉𝑉1̇ + 𝑉𝑉̇2 + ⋯ + 𝒵𝒵𝑛𝑛 . 𝒵𝒵̇𝑛𝑛
⃛(𝑥𝑥 , … , 𝑥𝑥 ). 𝑢𝑢 + 𝐿𝐿 . 𝑒𝑒 � (II.66)
= −𝑘𝑘1 . 𝒵𝒵12 − 𝑘𝑘2 . 𝒵𝒵22 + ⋯ + 𝒵𝒵𝑛𝑛 . �𝑥𝑥̇ 𝑛𝑛∗ − 𝑓𝑓1 (𝑥𝑥1 , … , 𝑥𝑥𝑛𝑛 ) − 𝑔𝑔⃛
𝑛𝑛 1 𝑛𝑛 𝑛𝑛 𝑛𝑛
La commande finale « 𝑢𝑢 » du système global sera exprimée par l’équation (II.67).

1
𝑢𝑢 = . �𝑘𝑘𝑛𝑛 . 𝒵𝒵𝑛𝑛 + 𝑥𝑥̇ 𝑛𝑛∗ − 𝑓𝑓1 (𝑥𝑥1⃛
⃛, 𝑥𝑥2 , … , 𝑥𝑥𝑛𝑛 ) + 𝐿𝐿𝑛𝑛 . 𝑒𝑒𝑛𝑛 � (II.67)
𝑔𝑔𝑛𝑛 (𝑥𝑥1 , 𝑥𝑥2 , … , 𝑥𝑥𝑛𝑛 )
« 𝑘𝑘𝑛𝑛 » représente le gain de correction relatif à l’action du contrôle final, si on remplace la loi (II.67) dans
la dynamique de la fonction de Lyapunov étendue (II.66), on aboutit à :
⃛2
∀ �𝑘𝑘1 > 0 , 𝑘𝑘2 >⃛0 , … , 𝑘𝑘𝑛𝑛 > 0� , 𝑉𝑉𝑛𝑛̇ = − �𝑘𝑘1 . 𝒵𝒵12 + 𝑘𝑘2 . 𝒵𝒵⃛ 2
2 + ⋯ + 𝑘𝑘𝑛𝑛 . 𝒵𝒵𝑛𝑛 � ≤ 0 (II.68)
Le contrôle final garantie que la fonction étendue de Lyapunov (II.65) et sa dérivée sont de signe opposé
quel que soit le temps, si et seulement si « 𝑘𝑘𝑛𝑛 » est sélectionné positif, cette condition est suffisante pour assurer
que le zéro est un point d’équilibre pour toutes les erreurs de régulation, garantissant ainsi la stabilité asymp-
totique du système global par l’intermédiaire de la stabilité partielle de chaque sous-système (Aichi, 20a).
5.2 - Positionnement du problème à traiter

L’objectif principal de cette partie est centré essentiellement sur le développement d’une technique
de commande possède les caractéristiques suivantes :
A. Une rapidité satisfaisante de la réponse dynamique sans dépassement, en respectant surtout les limitations
supportées par l’ensemble Moteur/Onduleur (Couple et courant maximums).
B. Une bonne robustesse contre les perturbations extérieures et les variations structurelles tout en réduisant
le nombre de capteurs utilisés (capteurs de flux et de couple de charge).
C. Une possibilité de fonctionnement dans toute la marge de variation de la vitesse, même dans la zone
des très basses vitesses.
Le Backstepping avec action intégrale (IBC) a été développée pour améliorer les performances du contrôle
en ce qui concerne la robustesse face aux perturbations extérieures, une étude comparative a été effectuée
dans (Mehazzem, 17a) entre la version classique du Backstepping et la version intégrale, les résultats montrent
une performance élevée de la dernière à propos de l’efficacité du contrôle, la stabilité du système et la qualité
des signaux transmis par les différents régulateurs, en revanche, le problème d’utiliser des commandes reposant
sur des actions intégrales risque d’avoir un dépassement dans les régimes transitoires, durant le dépassement
et à cause de l’action proportionnelle corrective qui réagit rapidement pour éliminer l’erreur statique, des fortes
vibrations pourraient être apparu avant la stabilisation finale, provoquant une surintensité du courant.
D’un autre côté, la limitation de la sortie des régulateurs préserve le système contre les valeurs excessives des
signaux de commande, mais le bloc de saturation peut provoquer l’apparition du phénomène de Windup
- 43 -
précédemment expliqué, nous rappelons que ce dernier signifie que même si la commande produite atteint
sa valeur maximale, l’action intégrale continue l’intégration quelle que soit l’erreur de régulation, ce qui peut
amplifier le contrôle global vers des valeurs élevées difficiles à l’atténuer rapidement. Dans ce cas,
le dépassement entrainé sera considérable si la valeur du gain intégral est importante, sinon, on risque d’avoir
une commande fragile devant les couples de charge appliqués, on peut dire donc, qu’il y a une contradiction
entre les conditions pour atteindre les objectifs (A) et (B).
L’objectif (C) reste un intérêt particulier pour différentes applications industrielles, le problème du
fonctionnement par des basses fréquences est lié à la technique MLI qui pourrait générer une tension
d’alimentation riche en harmoniques, c’est la raison pour laquelle de nombreux variateurs de vitesse
se tournent vers des techniques plus sophistiquées, comme la MLI vectorielle qui s’impose dans le domaine
industriel, cette stratégie peut améliorer considérablement la qualité des tensions transmises, mais
son algorithme est relativement complexe et nécessite une charge arithmétique importante.
La mise en œuvre de la technique MLI (Sinus/Triangle) est très simple, son principe se repose sur
la comparaison entre deux signaux pour déterminer les instants de commutation des interrupteurs, elle peut
garantir un fonctionnement idéal dans les hautes vitesses (Tension élevée/fréquence élevée), mais dans les
basses vitesses, l’onduleur peut générer des tensions d’alimentation déformées, cette distorsion est
principalement due au régime transitoire des interrupteurs, on doit noter que ce mode de fonctionnement
des IGBT n’a pas pris en considération dans la modélisation de l’ensemble de commande. La figure (II.20)
montre une représentation illustrative sur l’évolution de la tension dans un interrupteur, pour les faibles
fréquences, le moteur n’absorbe qu’une faible tension qui correspond à une faible période de conduction
de l’IGBT, on va avoir donc un « ∆t » supérieur à « To », ce qui réduit significativement la qualité des tensions
d’alimentation, pourrait même détruire le principe de la commande MLI lorsqu’un fonctionnement à basse
vitesse. Deux solutions peuvent être envisagées pour résoudre ce problème, on peut diminuer le bus
continu « Vcc » de l’onduleur en fonction de la zone de fonctionnement du moteur en utilisant un redresseur
commandé, la qualité des tensions sera meilleure dans ce cas, car on peut avoir un « ∆t » plus courte et
un « To » plus large ; le problème de cette structure est le coût de la configuration compte tenu de la nécessité
de disposer plus de dispositifs d’électroniques de puissance. La deuxième solution consiste à varier
la fréquence de porteuse afin d’avoir un « To » suffisant pour que l’IGBT atteint son régime permanent, ainsi,
la performance du MLI sera corrigée, mais cette solution risque d’entrainer des dynamiques indésirables et des
perturbations intérieures durant les régimes transitoires dans le cas d’une commande en boucle fermée.
1 Vref ∆t
Tension de sortie ( V )
Vcc
Signal source ( V )
To Vp
Régime
Impulsion
permanent
d'un IGBT
0
To
0
t
Temps (s) Temps (s)
Figure II.20 : Évolution de la tension produite par un IGBT piloté par la technique MLI classique
Dans cette section, on va proposer une nouvelle solution capable de surmonter les contraintes
susmentionnées et atteindre nos objectifs principaux, en basant sur des structures NVGC (Contrôleur non
linéaire à gains variables), la propriété des gains variables sera intégrée dans la régulation de la vitesse afin
d’avoir un contrôle adaptatif composé en deux termes : le premier est destiné à contrôler le démarrage et les
régimes transitoires, il a l’avantage de ne dépend pas fondamentalement sur l’action intégrale. Le deuxième
terme est pour la commande des régimes permanents, ce dernier se base essentiellement sur des gains
- 44 -
relativement importants par rapport à ceux du régime transitoire, cette propriété rend la commande
extrêmement robuste et optimise la réponse dans les régimes transitoires. En revanche, la propriété des gains
variables sera intégrée dans les régulateurs de courant d’une manière différente, la variation du gain intégral
sera réalisée relativement à la zone du fonctionnement du moteur, grâce aux NVGC du courant, le contrôle
devient adaptatif avec toute la plage de variation de la vitesse, permettant ainsi de contourner le problème
de dégradation de la qualité des tensions d’alimentation causée par le fonctionnement à basses fréquences.
5.3 - Application de la commande Intégral-Backstepping à gains variables (VGB)

En basant sur la même structure décrite par la figure (II.1), le modèle mathématique (II.1) permet de
synthétiser des lois de commande assurant la régulation de chaque variable d’état en s’appuyant sur le principe
du contrôle Backstepping, de nouveaux types des régulateurs non linéaires seront développés à l’aide de
la propriété des gains variables en s’appuyant sur la méthode du contrôle de Lyapunov, la loi finale du contrôle
sera déterminée en réalisant une correction de la vitesse et une autre pour le courant, la régulation de la vitesse
permet de déterminer le couple de référence « Te∗ » qui représente la commande stabilisante du premier sous-
système et au même temps, il est considéré comme une consigne pour le deuxième sous-système qui inclut
la régulation des courants (Aichi, 18a ; Aichi, 20b), dans cette dernière régulation, une nouvelle stratégie a été
élaborée afin de déterminer les tensions de référence ; les coefficients de correction sont déterminés par une
technique linéaire en premier lieu, alors que la méthode du contrôle de Lyapunov sera adoptée pour identifier
les termes de compensation qui assurent la stabilité asymptotique de la commande finale (Aichi, 20a).
5.3.1 - 1ere étape : régulation de la vitesse

La synthétisation de la loi de commande sera commencée en définissant le paramètre auxiliaire du contrôle
par l’équation (II.69), « LΩ » représente le gain de l’action intégrale qui est variable et purement positif.
𝒵𝒵Ω = eΩ + LΩ . � eΩ . 𝑑𝑑𝑑𝑑
(II.69)
eΩ = Ω∗m − Ωm
Les perturbations extérieures sont des quantités aléatoires difficiles à mesurer en raison de leur
indépendance par rapport aux variables du système, mais on peut supposer que sont des fonctions bornées dont
leur limite supérieure correspond à la valeur maximale du couple de charge supporté par le moteur,
par conséquent, la valeur du « TL » peut être négligée dans la conception du contrôle en présence d’une action
intégrale, qui doit avoir une valeur suffisante pour compenser la totalité des perturbations (Aichi, 20a), on peut
donc déduire la dynamique de la variable « 𝒵𝒵Ω » en utilisant l’équation mécanique du moteur asynchrone.
𝑑𝑑𝒵𝒵Ω 𝑑𝑑Ω∗m Te B 𝑑𝑑LΩ
= − + . Ωm + LΩ . eΩ + . � eΩ . 𝑑𝑑𝑑𝑑 (II.70)
𝑑𝑑𝑑𝑑 𝑑𝑑𝑡𝑡 J J 𝑑𝑑𝑡𝑡
La stabilité asymptotique de cette partie du contrôle sera garantie en considérant la fonction suivante :
1
∀ 𝒵𝒵Ω ≠ 0 , 𝑉𝑉1 = . 𝒵𝒵 2
2 Ω
(II.71)
𝑑𝑑𝑉𝑉1 𝑑𝑑𝒵𝒵Ω
= 𝒵𝒵Ω .
En substituant l’équation (II.70) dans (II.71), on aboutit à l’expression suivante :
𝑑𝑑𝑉𝑉1 𝑑𝑑Ω∗m Te∗ B 𝑑𝑑LΩ

= 𝒵𝒵Ω . � − + . Ωm + LΩ . eΩ + . � eΩ . 𝑑𝑑𝑑𝑑 � (II.72)
𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 J J 𝑑𝑑𝑑𝑑
Un choix strict et judicieux de la loi de commande peut décider la stabilité asymptotique du présent
sous-système, l’expression du couple de référence « Te∗ » sera exprimée par l’équation (II.73), sachant
que « k Ω » est un gain de conception qui a une valeur variable et bornée.
- 45 -
∗
𝑑𝑑Ωm B 𝑑𝑑LΩ
Te∗ = J . �k Ω . 𝒵𝒵Ω + + . Ωm + LΩ . eΩ + . � eΩ . 𝑑𝑑𝑑𝑑� (II.73)
𝑑𝑑𝑑𝑑 J 𝑑𝑑𝑑𝑑
Si nous substituons le couple de commande dans la dérivée de la fonction de Lyapunov (II.72), on obtient :
𝑑𝑑𝑉𝑉1
= − k Ω . 𝒵𝒵Ω2 ≤ 0 (II.74)
𝑑𝑑𝑑𝑑
La positivité du « k Ω » est une condition nécessaire pour que la stabilité asymptotique du premier sous-
système soit vérifiée, la fonction de Lyapunov et sa dérivée temporelle sont de signe opposé, ce qui signifie
que la commande (II.73) assure la convergence de la vitesse mécanique vers sa référence, et que le zéro est un
point d’équilibre pour son erreur de régulation.
5.3.1.1 - Fonctionnement des gains variables du NVGC de vitesse

Le choix des gains assez grands garantie la dynamique rapide de la commande ainsi que sa robustesse
devant les perturbations extérieures, par contre, ce choix peut introduire des modes inattendus dans les régimes
transitoires (Aichi, 18a), selon l’équation (II.74), le gain « k Ω » représente le taux de disparition de l’énergie
imposée par la fonction de Lyapunov, où la convergence de l’erreur « eΩ » vers le zéro est directement
proportionnelle à la valeur de ce coefficient de régulation, ce qui lui confère un impact fondamental sur la
dynamique du système. D’autre part, l’action intégrale a été ajoutée au Backstepping afin d’éliminer l’erreur
statique, le gain associé à cette action affecte la rapidité du rejet des perturbations ; l’erreur sera éliminée
rapidement si ce gain est important, néanmoins, il peut entrainer un dépassement dans les régimes transitoires,
au moment de l’apparition du dépassement, l’action associée au gain « k Ω » force le système à converger vers
sa consigne, ce qui pourrait provoquer de fortes vibrations mécaniques entraînant une surintensité du courant,
il est préférable d’éviter de tels comportements afin de garantir un fonctionnement idéal du moteur.
La définition des gains doit être appropriée et judicieuse pour respecter les valeurs maximales du couple et
du courant supportées par l’ensemble de commande, la solution proposée est d’introduire un retard à la
référence de la vitesse, puis nous définissons un nouveau paramètre « 𝒳𝒳 » qui peut être considérée comme un
observateur des régimes transitoires de la vitesse, de telle sorte que :
∀ 𝑡𝑡 ≥ 𝜏𝜏0 , 𝒳𝒳(𝑡𝑡) = Ω𝑓𝑓∗ (𝑡𝑡) − Ωm
∗
(𝑡𝑡 − 𝜏𝜏0 ) (II.75)
« Ω∗m (𝑡𝑡 − 𝜏𝜏0 ) » représente la valeur instantanée de la vitesse de référence retardée par « 𝜏𝜏0 », dont le retard
doit être très faible, tandis que « Ω𝑓𝑓∗ » est la valeur finale de la référence qui l’atteint en régime permanent, en
basant sur le paramètre « 𝒳𝒳 », l’algorithme de variation des gains de ce NVGC sera développé comme suit :
𝑖𝑖𝑖𝑖 � Ω𝑓𝑓∗ = 0 � % 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 à 𝑙𝑙′𝑎𝑎𝑎𝑎𝑎𝑎ê𝑡𝑡

k Ω = 𝜇𝜇 . k Ω_Max ; LΩ = 0 ;
𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 % 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑑𝑑𝑑𝑑 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑒𝑒𝑒𝑒 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑟𝑟é𝑒𝑒𝑒𝑒
� 𝒳𝒳
𝑖𝑖𝑖𝑖 � |𝒳𝒳| ≤ % 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑑𝑑’𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑑𝑑𝑑𝑑𝑑𝑑 𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔
Max �
(1 − 𝜇𝜇) 1
k Ω = k Ω_Max . �1 − . |𝒳𝒳|� ; LΩ = LΩ_Max . �1 − . |𝒳𝒳|� ;
𝒳𝒳Max 𝒳𝒳Max
𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 % 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑑𝑑′𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑑𝑑𝑑𝑑𝑑𝑑 𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔
k Ω = 𝜇𝜇 . k Ω_Max ; LΩ = 0 ;
𝑒𝑒𝑒𝑒𝑒𝑒
𝑒𝑒𝑒𝑒𝑒𝑒
L’indice ‘Max’ rapporte aux valeurs maximales, « 𝜇𝜇 » est le pourcentage de diminution du gain « k Ω » et
« 𝒳𝒳Max » représente la valeur maximale de « 𝒳𝒳 » qui peut être déterminée expérimentalement. La figure (II.21)
montre la représentation graphique de la variation de chaque gain en fonction de la valeur absolue de « 𝒳𝒳 ».
- 46 -
100% kΩ 100% Li
𝐤𝐤 𝛀𝛀
𝐋𝐋𝛀𝛀
𝜇𝜇
0 0
0 𝒳𝒳Max 0 𝒳𝒳Max
|𝓧𝓧| (𝐫𝐫𝐫𝐫𝐫𝐫⁄𝒔𝒔) |𝓧𝓧| (𝐫𝐫𝐫𝐫𝐫𝐫⁄𝒔𝒔)
Figure II.21 : Représentation graphique des gains du NVGC de la vitesse
À travers cette méthode, la régulation de la vitesse sera effectuée par deux commandes différentes :
une pour le régime transitoire qui assure l’attractivité de la vitesse sans dépassement (semblable au
Backstepping classique qui n’utilise pas l’action intégrale), et une autre assure l’amplification des gains dans
l’état d’équilibre, cela réduit le courant du démarrage, annule le dépassement et renforce la robustesse face aux
diverses perturbations internes et externes.
5.3.2 - 2eme étape : régulation du courant

Contrairement au régulateur de la vitesse où il y une information approximative sur la valeur à laquelle,
∗ ∗
le contrôleur peut accéder, les sorties des régulateurs de courant « 𝑣𝑣𝑑𝑑𝑑𝑑 » et « 𝑣𝑣𝑞𝑞𝑞𝑞 » sont indéterminées,
cela impose une difficulté dans le choix des paramètres du régulateur ; un bon contrôle du courant peut être
garanti par l’utilisation des gains élevés, mais cette condition pourrait entrainer de fortes fluctuations au niveau
des signaux de commande, cela nous incite à penser à une nouvelle méthode de modélisation de la commande
en respectant le principe de base de la théorie du Backstepping, la régulation du courant sera établie en deux
étapes : au début, on va supposer que le contrôle sera effectué par un régulateur PIAW, cela donne l’avantage
d’utiliser les fonctions de transfert pour déterminer les coefficients du régulateur, en plus d’exploiter
la structure Anti-Windup. Après cette étape, la non linéarité des équations électriques du moteur sera
compensée par des tensions additionnelles qui sont déterminées sur la base du théorème de Lyapunov,
cette technique permet d’élaborer une nouvelle synthèse de la commande non linéaire en combinant la méthode
linéaire avec celle basée sur la théorie de Lyapunov, de sorte que les commandes finales assurent la stabilité
asymptotique du système globale.
En négligeant le retard dû aux filtres des courants, l’application du principe de la commande vectorielle sur
le modèle mathématique (II.1) permet d’exprimer la dynamique des courants statoriques comme suit :
𝑑𝑑𝑖𝑖𝑑𝑑𝑑𝑑 α2
= −α1 . 𝑖𝑖𝑑𝑑𝑠𝑠 + ωs . 𝑖𝑖𝑞𝑞𝑞𝑞 + . 𝜓𝜓𝑟𝑟 + β . 𝑣𝑣𝑑𝑑𝑑𝑑
𝑑𝑑𝑑𝑑 τr
(II.76)
𝑑𝑑𝑖𝑖𝑞𝑞𝑞𝑞
= −ωs . 𝑖𝑖𝑑𝑑𝑑𝑑 − α1 . 𝑖𝑖𝑞𝑞𝑞𝑞 − α2 . ωm . 𝜓𝜓𝑟𝑟 + β . 𝑣𝑣𝑞𝑞𝑞𝑞
𝑑𝑑𝑑𝑑
∗ ∗
Les courants de référence « 𝑖𝑖𝑑𝑑𝑑𝑑 » et « 𝑖𝑖𝑞𝑞𝑞𝑞 » sont obtenus respectivement par l’imposition directe du flux
rotorique et par la régulation de la vitesse mécanique, tels que :
∗
𝑖𝑖𝑑𝑑𝑑𝑑 = 𝜓𝜓𝑟𝑟∗ ⁄M
(II.77)
∗
𝑖𝑖𝑞𝑞𝑞𝑞 = Te∗ ⁄(Υ. 𝜓𝜓r∗ )
Il est possible donc d’exprimer les erreurs de régulation des courants par :
∗
ed = 𝑖𝑖𝑑𝑑𝑑𝑑 − 𝑖𝑖𝑑𝑑𝑑𝑑
(II.78)
∗
eq = 𝑖𝑖𝑞𝑞𝑞𝑞 − 𝑖𝑖𝑞𝑞𝑞𝑞
- 47 -
La dynamique des erreurs de régulation des courants sera exprimée par (II.79).
∗
𝑑𝑑ed 𝑑𝑑𝑖𝑖𝑑𝑑𝑑𝑑 α2
= + α1 . 𝑖𝑖𝑑𝑑𝑑𝑑 − ωs . 𝑖𝑖𝑞𝑞𝑞𝑞 − . 𝜓𝜓𝑟𝑟 − β. 𝑣𝑣𝑑𝑑𝑑𝑑
𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 τr
(II.79)
∗
𝑑𝑑eq 𝑑𝑑𝑖𝑖𝑞𝑞𝑞𝑞
= + ωs . 𝑖𝑖𝑑𝑑𝑑𝑑 + α1 . 𝑖𝑖𝑞𝑞𝑞𝑞 + α2 . ωm . 𝜓𝜓𝑟𝑟 − β. 𝑣𝑣𝑞𝑞𝑞𝑞
Par l’utilisation des équations (II.70), (II.77) et (II.79), on peut réécrire le paramètre « 𝒵𝒵Ω » qui représente
la variable auxiliaire du contrôle du premier sous-système par la relation suivante :
𝑑𝑑𝒵𝒵Ω Υ. 𝜓𝜓𝑟𝑟∗
= −k Ω . 𝒵𝒵Ω + . eq (II.80)
𝑑𝑑𝑑𝑑 J
La fonction de Lyapunov étendue adoptée pour le contrôle du courant sera définit comme suit :
1 �̇
∀ �ed ≠ 0 , eq ≠ 0 , 𝒵𝒵Ω ≠ 0� , 𝑉𝑉2 = . �e2d + e2q + xd2 + xq2 + 𝒵𝒵Ω2 � > 0
2
(II.81)
x(d,q) = 𝐿𝐿𝑖𝑖 . � e(d,q) . 𝑑𝑑𝑑𝑑
Notez que « 𝐿𝐿𝑖𝑖 » est un gain de conception. Par un choix approprié qui se base sur le théorème de stabilité
de Lyapunov, le régulateur de courant et le contrôle global seront asymptotiquement stables si les tensions
de commande sont établies conformément à l’équation (II.82) (Aichi, 18a ; Aichi, 20a).
∗
𝑣𝑣𝑑𝑑𝑑𝑑 = �𝑘𝑘𝑝𝑝_𝑐𝑐 . ed + 𝑘𝑘𝑖𝑖_𝑐𝑐 . � ed . 𝑑𝑑𝑑𝑑� + 𝒰𝒰𝑑𝑑
∗
𝑣𝑣𝑞𝑞𝑞𝑞 = �𝑘𝑘𝑝𝑝_𝑐𝑐 . eq + 𝑘𝑘𝑖𝑖_𝑐𝑐 . � eq . 𝑑𝑑𝑑𝑑� + 𝒰𝒰𝑞𝑞
(II.82)
∗
1 𝑑𝑑𝑖𝑖𝑑𝑑𝑑𝑑 α2
𝒰𝒰𝑑𝑑 = . � + α1 . 𝑖𝑖𝑑𝑑𝑑𝑑 − ωs . 𝑖𝑖𝑞𝑞𝑞𝑞 − . 𝜓𝜓𝑟𝑟∗ �
β 𝑑𝑑𝑑𝑑 τr
∗
1 𝑑𝑑𝑖𝑖𝑞𝑞𝑞𝑞 Υ . 𝜓𝜓𝑟𝑟∗
𝒰𝒰𝑞𝑞 = .� + ωs . 𝑖𝑖𝑑𝑑𝑑𝑑 + α1 . 𝑖𝑖𝑞𝑞𝑞𝑞 + α2 . ωm . 𝜓𝜓𝑟𝑟∗ + . 𝒵𝒵Ω �
β 𝑑𝑑𝑑𝑑 J
« 𝑘𝑘𝑝𝑝_𝑐𝑐 » et « 𝑘𝑘𝑖𝑖_𝑐𝑐 » sont les gains proportionnel et intégral du régulateur linéaire, ses valeurs peuvent être
calculés par les relations données par (II.13), alors que les termes « 𝒰𝒰𝑑𝑑 » et « 𝒰𝒰𝑞𝑞 » représentent les nouvelles
commandes stabilisantes qui garantissent la stabilité de Lyapunov.
Preuve : On substitue les équations (II.74) et (II.79) dans la dérivée temporelle de la fonction de Lyapunov
exprimée dans (II.81), on obtient :
𝑑𝑑𝑉𝑉2 𝑑𝑑ed 𝑑𝑑eq 𝑑𝑑xd 𝑑𝑑xq 𝑑𝑑𝒵𝒵Ω
= ed . + eq . + xd . + xq . + 𝒵𝒵Ω .
𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑
∗
= ed . �ℎ𝑑𝑑 − β. 𝑣𝑣𝑑𝑑𝑑𝑑 + 𝐿𝐿2𝑖𝑖 . � ed . 𝑑𝑑𝑑𝑑� (II.83)
Υ. 𝜓𝜓𝑟𝑟∗
∗
+ eq . �ℎ𝑞𝑞 − β. 𝑣𝑣𝑞𝑞𝑞𝑞 + 𝐿𝐿2𝑖𝑖 . � eq . 𝑑𝑑𝑑𝑑 + . 𝒵𝒵Ω � − k Ω . 𝒵𝒵Ω2
J
Avec :
∗
𝑑𝑑𝑖𝑖𝑑𝑑𝑑𝑑 α2
ℎ𝑑𝑑 = + α1 . 𝑖𝑖𝑑𝑑𝑑𝑑 − ωs . 𝑖𝑖𝑞𝑞𝑞𝑞 − . 𝜓𝜓𝑟𝑟∗
𝑑𝑑𝑑𝑑 τr
(II.84)
∗
𝑑𝑑𝑖𝑖𝑞𝑞𝑞𝑞
ℎ𝑞𝑞 = + ωs . 𝑖𝑖𝑑𝑑𝑑𝑑 + α1 . 𝑖𝑖𝑞𝑞𝑞𝑞 + α2 . ωm . 𝜓𝜓𝑟𝑟∗
𝑑𝑑𝑑𝑑
- 48 -
∗ ∗
La substitution de « 𝑣𝑣𝑑𝑑𝑑𝑑 » et « 𝑣𝑣𝑞𝑞𝑞𝑞 » de (II.82) dans la dérivée de la fonction de Lyapunov étendue résulte :
𝑑𝑑𝑉𝑉2 �̇
= ed . � ℎ𝑑𝑑 − β. 𝑘𝑘𝑝𝑝_𝑐𝑐 . ed + �𝐿𝐿2𝑖𝑖 − β. 𝑘𝑘𝑖𝑖_𝑐𝑐 � . � ed . 𝑑𝑑𝑑𝑑 − β. 𝒰𝒰𝑑𝑑 �
𝑑𝑑𝑑𝑑
(II.85)
�̇ Υ. 𝜓𝜓𝑟𝑟∗
+ eq . � ℎ𝑞𝑞 − β. 𝑘𝑘𝑝𝑝_𝑐𝑐 . eq + �𝐿𝐿2𝑖𝑖 − β. 𝑘𝑘𝑖𝑖_𝑐𝑐 � . � eq . 𝑑𝑑𝑑𝑑 − β. 𝒰𝒰𝑞𝑞 + . 𝒵𝒵Ω � − k Ω . 𝒵𝒵Ω2
J
Si « 𝐿𝐿𝑖𝑖 = � 𝛽𝛽̇ . 𝑘𝑘𝑖𝑖_𝑐𝑐 », la dynamique de la fonction de Lyapunov étendue (II.81) devient :
𝑑𝑑𝑉𝑉2
= −β . 𝑘𝑘𝑝𝑝_𝑐𝑐 . e2d − β . 𝑘𝑘𝑝𝑝_𝑐𝑐 . e2q − k Ω . 𝒵𝒵Ω2 ≤ 0 (II.86)
𝑑𝑑𝑑𝑑
Sachant que « k Ω » est un gain purement positif, l’équation (II.86) sera définie semi-négative si et seulement
si : « 𝑘𝑘𝑝𝑝_𝑐𝑐 > 0 », cette condition justifie que les tensions de référence (II.82) garantissent la stabilité
asymptotique du deuxième sous-système et du système global, cela implique également que toutes les erreurs
de régulation convergent vers zéro. La figure (II.22) montre la structure du contrôleur utilisée pour la régulation
du courant et la génération des tensions de référence.
𝜔𝜔𝑚𝑚
𝜓𝜓𝑟𝑟∗ 𝒰𝒰𝑑𝑑𝑑𝑑 Termes de compensation
𝜔𝜔𝑠𝑠∗
𝑘𝑘𝑝𝑝_𝑐𝑐
edq ∗
𝑣𝑣𝑑𝑑𝑑𝑑
∗
𝑖𝑖𝑑𝑑𝑑𝑑 + + 𝑑𝑑𝑑𝑑
+
−
𝑘𝑘𝑖𝑖_𝑐𝑐 + � 𝑑𝑑𝑑𝑑 + + ∗
𝑣𝑣𝑎𝑎𝑎𝑎𝑎𝑎
−
+ − 𝜃𝜃𝑠𝑠∗
𝑖𝑖𝑑𝑑𝑑𝑑 ( 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓é𝑠𝑠 )
Filtre passe-bas
𝑘𝑘𝑖𝑖_𝑐𝑐 𝑎𝑎𝑎𝑎𝑎𝑎
𝑘𝑘𝑝𝑝_𝑐𝑐
1 Courants mesurés 𝑖𝑖𝑑𝑑𝑑𝑑
T𝑓𝑓 . s + 1
Figure II.22 : Conception du contrôleur adopté pour la régulation du courant (Aichi, 20a)
5.3.2.1 - Fonctionnement du gain variable des NVGC de courant

Pratiquement, le fonctionnement à basse vitesse provoque une détérioration de la qualité des tensions
d’alimentation pour des raisons déjà expliquées dans la Section 5.2, notre solution a été inspirée par
l’observation de la forme canonique du système du second ordre (II.12), dont « ω0 » représente la fréquence
naturelle de la dynamique souhaitée, ce paramètre peut être déterminé par la relation suivante :
4
ω0 = (II.87)
ξ . Ts
« Ts » est le temps de stabilisation à ± 2%, l’utilisation des relations (II.87) et (II.12) nous permet d’écrire :
4 𝑘𝑘𝑖𝑖_𝑐𝑐 1
≈� ⇒ Ts ≈ � 𝒞𝒞 . (II.88)
ξ . Ts T𝑓𝑓 . R s 𝑘𝑘𝑖𝑖_𝑐𝑐
16 . T𝑓𝑓 . R s
𝒞𝒞 = = 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶
ξ2
L’amplification du gain intégral signifie une courte période de « Ts », cela correspond à une dynamique
rapide, cette condition est nécessaire pour le bon contrôle de la vitesse en particulier dans les hautes vitesses,
en revanche, si on diminue la valeur du « 𝑘𝑘𝑖𝑖_𝑐𝑐 », on va avoir une régulation avec une dynamique lente, mais
relativement moins sensible aux fluctuations du courant qui sont considérables dans les basses vitesses.
La solution proposée consiste à abandonner l’exigence de la dynamique rapide dans la régulation du courant,
- 49 -
car elle peut être considérée superflue dans les basses vitesses, cette considération pourrait garantir la
détermination correcte des instants de commutation des IGBT en adaptant le gain intégral en fonction de
la valeur finale de la vitesse de référence. Il convient de noter que la variation de ce gain est très rapide par
rapport au temps, c’est pourquoi sa dérivée temporelle a été ignorée dans la phase de détermination des tensions
de commande. Les relations (II.13) ne sont valables que pour les vitesses élevées, leur utilisation dans cette
étape est limitée à la détermination de la valeur maximale du gain intégral, en ce qui concerne les basses
vitesses, une série de tests expérimentaux portant sur des vitesses aussi basses que 6 rad/𝑠𝑠 ont été menées afin
de déterminer la valeur optimale du gain dans chaque zone de fonctionnement, la figure (II.23) montre la
représentation graphique de la variation du gain intégral en fonction de la vitesse de référence, il est nécessaire
de mentionner que l’efficacité de cette méthode ne peut être vérifiée que par la validation expérimentale.
450
400
350
300
250
𝒌𝒌𝒊𝒊_𝒄𝒄
200
150
100
50
0
0 15 30 45 60 75 90 105 120 135 150
� 𝛀𝛀∗𝒇𝒇 � (𝐫𝐫𝐫𝐫𝐫𝐫⁄𝒔𝒔)
Figure II.23 : Courbe de variation du gain intégral adopté dans la régulation des courants
5.4 - Validation expérimentale

Afin de valider l’étude théorique de l’approche proposée, la commande VGB et sa version conventionnelle
sont validées expérimentalement à l’aide d’une carte dSPACE-RTI-1104 associée à un programme de contrôle
développée en MATLAB/ Simulink. Nous avons procédé à une série de tests intensifs pour mettre en évidence
la haute performance de la méthode utilisée. Cette dernière sera d’abord comparée avec sa version
classique IBC, ensuite, les performances du contrôle dans les basses vitesses seront attentivement analysées
avant de tester le VGB dans un profil qui regroupe les diverses zones de fonctionnement. Après avoir confirmé
l’efficacité de cette stratégie dans des conditions nominales, de différents tests de robustesse seront effectués
afin de vérifier la sensibilité de l’algorithme vis-à-vis des variations paramétriques, en basant sur une
configuration structurelle, ces expériences incluent notamment la variation des résistances du stator et du rotor
ainsi que le changement du moment d’inertie. La modification apportée au montage expérimental permet
d’amplifier les valeurs réelles à un pourcentage de 200% de leurs valeurs nominales ; l’annexe ‘A’ fournit
plus de détails sur la manière dans laquelle la réalisation pratique de ces tests a été effectuée. Il convient de
noter que l’algorithme du contrôle sera exécuté en temps réel en utilisant un pas de calcul de 150µ𝑠𝑠, les
paramètres du NVGC de la vitesse sont présentés dans le tableau (II.4), en ce qui concerne les régulateurs de
courant, les gains proportionnels sont fixés à la valeur de 6.6, tandis que les gains relatifs à l’action intégrale
seront pris à la valeur correspond à la zone de fonctionnement en basant sur la figure (II.23).
VGB IBC
k Ω_Max = 64 ; 𝜇𝜇 ≃ 61% k Ω = 55
Gains du régulateur de vitesse
LΩ_Max = 12 ; 𝒳𝒳Max = 5 Li = 8
Tableau II.4 : Paramètres adoptés pour les commandes Backstepping réalisées
- 50 -
5.4.1 - Amélioration du VGB par rapport au IBC

Ω m* Ω IBC Ω T 10 Te * Te *
113 VGB L IBC VGB
100 7.5
Vitesse (rad / s)
103.3
102.7
5
2.5
100
98.75 0
-2.5
0
0 3 7 10 0 3 7 10
Temps (s) Temps (s)
113.1

10
100
7.5
Vitesse (rad / s)
113.1
5
105
100 2.5
95 0
0.27 0.38 0.49 -2.5

0
0.25 0.7 0 0.25 0.5 0.75 1 1.25
Temps (s) Temps (s)
Figure II.24 : Réponse dynamique de deux commandes VGB et IBC
5.4.2 - Fonctionnement du contrôle VGB dans les basses vitesses

12.3 1 2.9
4.5
Courant de phase (A)
10
Vitesse (rad / s)
3
8.7
Ω m*
1.5
Ωm
0
TL
-1.5
-3
0
6 Te * 3
i i *
d-réel d
5 2
4
1
3
0
2
1 -1
0 -2
Ψ * i
0.26 r 4 q-réel
Flux estimé ( Wb )
Ψr 3 i *
q
0.19
2
1
0.1
0
-1
0
0 4 8 12 0 4 8 12
Temps (s) Temps (s)
Figure II.25 : Performance du contrôle VGB dans les basses vitesses
- 51 -
5.4.3 - Performance du contrôle VGB dans les conditions nominales

Les figures ci-dessous, montrent les performances du contrôle VGB pour des conditions nominales.
120 idq-réels i *
Ω m*

123 dq
4.5
Ωm
Vitesse (rad / s)
120
119 TL 3
1.5
10
0 0
-1.5
-40
1 4 8 11 15 19 22 28 30 5
Temps (s) Temps (s)

120 120 0 2.5
Vitesse (rad / s)
-2.5
0
-40 -40 -5
10
11 11.5 12 22 22.5 23 28 28.75 1 4 8 11 15 19 22 28 30
7.5
5 0.9
e Te *
0 Ω
5
2.5 -2.5
2.5
0
0
-2.5 -2.5
1.2
-5 0 -5
-2.3 -7.5
-7.5
1 4 8 11 15 19 22 28 30 1 4 8 11 15 19 22 28 30
Temps (s) Temps (s)
5
64
Gain ( NVGC de vitesse )
2.5
kΩ
0 38
LΩ
-2.5
12
-5
0
1 4 8 11 15 19 22 28 30 1 4 8 11 15 19 22 28 30
Temps (s) Temps (s)
Gain ( NVGC du courant )
Ψr * ki-c
0.3 431
Ψ
Flux estimé ( Wb )
0.19 275
0.1
25
0
1 4 8 11 15 19 22 28 30 1 4 8 11 15 19 22 28 30
Temps (s) Temps (s)
Figure II.26 : Performance du contrôle VGB dans le cas des conditions nominales
- 52 -
370 A B C D
Tenison ( V )
185
0
-185
-370
8.93 9.2 9.47 6.25 6.375 6.5 14.22 14.247 14.274 17.168 17.193 17.215
Amplitude ( % du fondamental )
Fond ( 3.75 Hz ) = 26.1 V Fond ( 8.25 Hz ) = 61.2 V Fond ( 39.1 Hz ) = 183.6 V Fond ( 43.25 Hz ) = 223.4 V
THD = 190 % THD = 112.5 % THD = 73.3 % THD = 42.7 %
100
A B C D
80
60
40
20
0
1500 3000 1500 3000 1500 3000 1500 3000
Fréquence ( Hz ) Fréquence ( Hz ) Fréquence ( Hz ) Fréquence ( Hz )
Figure II.27 : Analyse fréquentielle de la tension d’alimentation délivrée par l’onduleur MLI
A : Basse vitesse à vide ; B : Basse vitesse en charge
C : Haute vitesse à vide ; D : Haute vitesse en charge
5.4.4 - Tests de robustesse
Les figures suivantes montrent l’impact de la variation paramétrique sur la réponse dynamique du moteur.
120 3.3
i 200% Rs
Ω *
123 m 0
6
Ω -3.3 i
Nominal
Vitesse (rad / s)
m
120
T 4
119
L
2
10 0
0
-2
-40 -4
1 4 8 11 15 19 22 28 30 1 4 8 11 15 19 22 28 30
Temps (s) Temps (s)
Cas nominal 120 4

12.5 3
Vitesse (rad / s)
10 2 1.5
7.5 65 0 0
5 -1.5
-2
2.5
-3
10 -4
0
1 4 8 11 11 11.3 11.6 1 4 8 11 11 11.3 11.6
120 0 2
4.5
Vitesse (rad / s)
80 3 1
1.5
40 -20 0
0
0 -1.5 -1
-3
-40 -40 -2
22 22.35 22.7 28 28.3 28.6 22 22.35 22.7 28 29.25 30.5
Figure II. 28 : Performance du VGB dans le cas de variation des résistances statoriques (Partie 1)
- 53 -

6 10
0 Te *200% Rs Te *
Nominal
4 7.5
-3.3
2 5
0 2.5
-2 0
-4 2.5 -2.5
e 200% Rs
0
-5
e
Nominal
-4 -7.5
1 4 8 11 15 19 22 28 30 1 4 8 11 15 19 22 28 30
Temps (s) Temps (s)
Figure II.29 : Performance du VGB dans le cas de variation des résistances statoriques (Partie 2)
120 10 3.3 i
Ω * 200% Rr
124 m 8

0
Ωm i Nominal
6
Vitesse (rad / s)
-3.3
TL 4
120 2
119
0
10 -2
0
-4
-6
-40
-8
1 4 8 11 15 19 22 28 30 1 4 8 11 15 19 22 28 30
Temps (s) Temps (s)
120 3
12.5 3
Vitesse (rad / s)
10 1.5 1.5
7.5 65 0 0
5 -1.5 -1.5
2.5
-3 -3
10
0
1 4 8 11 11 11.3 11.6 1 4 8 11 11 11.3 11.6
120 0 10.5 2.6
B A
7
Vitesse (rad / s)
80 1.3
3.5
40 -20
0
B 0
0 -3.5
A -1.3
-40 -40 -7
22 22.35 22.7 28 28.3 28.6 22 22.35 22.7 28 29.25 30.5
6
10
7.5
0
5
2.5
-6
0
1.2 0.8
-12 0 -2.5
0
e -5
200% Rr
-18 -7.5 Te *200% Rr Te *Nominal
-2.3 -3.8 e Nominal
-22 -10
1 4 8 11 15 19 22 28 30 1 4 8 11 15 19 22 28 30
Temps (s) Temps (s)
Figure II.30 : Performance du VGB dans le cas de variation des résistances rotoriques
( A : Cas nominal, B : Cas de Rr = 200% Rr_Nominale )
- 54 -
120 3.5
i 200% J
Ω m*
123 0

Ω i Nominal
-3.5
Vitesse (rad / s)
m
6
120 TL
119 4
2
10 0
0 -2
-4
-40 -6
1 4 8 11 15 19 22 28 30 1 4 8 11 15 19 22 28 30
Temps (s) Temps (s)
120 6
13

3
4.5
A
Vitesse (rad / s)
10 1.5 3
8.3 1.5
65 0
0
-1.5 -1.5
B
-3
-3
10 -4.5
0
1 4 8 11 11 11.3 11.6 1 4 8 11 11 11.3 11.6
120 0 7 2.6
B
A
Vitesse (rad / s)
80 3.5
1.3
40 -20 0
0
0 -3.5
A B
-1.3
-40 -40 -7
22 22.35 22.7 28 28.3 28.6 22 22.35 22.7 28 29.25 30.5
20
10
e 200% J e Nominal
7.5
12
5
6
2.5
0
0
-6 -2.5
1.7 0.9
-12 0 -5
0
-18 -7.5 Te *200% J Te *Nominal
-3 -3
-24 -10
1 4 8 11 15 19 22 28 30 1 4 8 11 15 19 22 28 30
Temps (s) Temps (s)
Figure II.31 : Performance du VGB dans le cas de variation du moment d’inertie

( A : Cas nominal, B : Cas de J = 200% J Nominal )
Discussion
La commande VGB a été testée de manière intensive et approfondie pour vérifier que les objectifs souhaités
sont atteints, la figure (II.24) montre la réponse dynamique de la commande VGB et celle du IBC par rapport
à un le profil rapide de la vitesse. Il est clairement apparu que la version classique entraine un dépassement
considérable au démarrage contrairement à la version à gains variables, cette dernière permet l’élimination des
charges appliquées d’une façon meilleure grâce à ses gains qui sont relativement importants dans le régime
permanent, cela pourrait illustrer l’une des améliorations liées à la version VGB. Un autre objectif majeur a été
atteint à savoir le contrôle des basses vitesses, cet objectif représente l’un des intérêts particuliers dans le
domaine de la commande des entraînements électriques, la figure (II.27) montre l’analyse fréquentielle de la
tension d’alimentation dans les différentes zones de fonctionnement, la différence entre la qualité de la tension
dans les basses et les hautes vitesses est remarquable, dont le THD des basses fréquences est supérieur à 100%,
- 55 -
reflétant la mauvaise qualité de la tension d’alimentation, alors que celle-ci peut être améliorée en s’éloignant
de cette zone de fonctionnement ; malgré cette distorsion au niveau de la source de tension, le fonctionnement
du moteur à basse vitesse est très acceptable en termes de poursuite de la vitesse, de stabilité des grandeurs de
commande et du rejet des charges appliquées, on peut donc dire que les NVGC de courant ont été en mesure
de contourner le problème de dégradation de l’alimentation dû au fonctionnement à basses fréquences, et
d’assurer des tensions de commande garantissent le contrôle optimal des basses vitesses telles que les hautes
vitesses, comme le montrent les figures (II.25) et (II.26). La bonne qualité du contrôle pourrait être illustrée
dans la réponse dynamique de la vitesse mécanique, qui suit sa consigne avec une grande précision sans aucun
dépassement, ainsi que le rejet total et rapide des perturbations extérieures, d’après les mêmes figures, on peut
constater la variation équilibrée des coefficients du NVGC de vitesse selon le régime de fonctionnement, dont
les gains sont maximaux dans les régimes permanents et minimaux durant les régimes transitoires, alors que
la valeur du gain intégral du NVGC de courant diminue une fois le fonctionnement proche aux basses vitesses.
Grâce à cette propriété, le contrôle de vitesse est devenu extrêmement performant point de vue rapidité et
robustesse, tandis que la dynamique du gain du régulateur de courant a rendu la commande globale adaptative
et insensible aux harmoniques de la source de tension entrainées par le fonctionnement à basses fréquences.
En ce qui concerne la sensibilité de cette commande aux perturbations intérieures, les figures (II.28),(II.29),
(II.30) et (II.31) montrent l’impact de la variation paramétrique sur la réponse dynamique de la vitesse et du
courant. Les résultats illustrent une remarquable robustesse face à la variation de la résistance statorique,
les performances élevées du VGB sont préservées, en particulier la stabilité du contrôle, la rapidité de
poursuite, le bon fonctionnement dans les basses et les hautes vitesses, la bonne maitrise du courant et le rejet
total des charges appliquées. Par contre, la variation de la résistance rotorique a provoqué une surintensité du
courant durant les régimes transitoires, cette augmentation est principalement liée au principe de la commande
vectorielle ; l’analyse mathématique de la structure générale de cette technique montre l’importance de la
constante de temps rotorique pour l’estimation de la pulsation du glissement en utilisant l’équation (II.3),
ce paramètre servira de base pour la détermination de la fréquence de commande, une légère variation dans ce
paramètre conduit à une incompatibilité entre la fréquence et la valeur efficace des tensions de commande,
entraînant une augmentation du courant. Dans notre cas, la surintensité du courant transitoire reste toujours
dans la marge de variation supportée par le moteur (𝑖𝑖𝑠𝑠 > 3. 𝐼𝐼𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 ), alors que cette performance acceptable
est probablement due aux valeurs minimales des gains dans les régimes transitoires de la vitesse.
Le moment d’inertie intervient essentiellement dans la régulation de la vitesse, selon l’équation (II.73),
sa valeur peut affaiblir ou amplifier la commande délivrée par le NVGC de vitesse, on peut constater à partir
de la figure (II.31), que la variation de ce paramètre a provoqué une dégradation attendue par rapport à la
rapidité de convergence qui est devenue plus lente, par conséquent, l’erreur de régulation dans les régimes
transitoires devient importante par rapport au cas nominal, mais d’un point de vue général, la régulation a été
effectuée d’une façon très acceptable, en ce qui concerne le contrôle de la vitesse, l’élimination des charges
appliquées et la bonne maitrise des courants statoriques dans les différentes zones de fonctionnement.
Les expériences menées ont justifié l’efficacité de l’approche proposée, qui peut garantir l’atteinte des
objectifs décrits dans la Section 5.2, la commande VGB a été en mesure d’assurer une réponse dynamique
rapide sans aucun dépassement, avec une bonne robustesse contre les perturbations extérieures même pour un
fonctionnement à basses fréquences, on peut considérer également que la sensibilité de cette méthode
de contrôle est relativement faible aux perturbations structurelles, étant donné que les variations paramétriques
provoquées n’ont pas affecté les performances du contrôle d’une manière significative.
6 - Étude comparative
Afin de mettre en évidence les avantages et les inconvénients de chaque commande élaborée, une étude
comparative sera menée sur la base de plusieurs critères permettant de déterminer le niveau d’efficacité de
chaque stratégie, de plus, plusieurs indices de performance ont été utilisés, l’équation (II.89) exprime
le premier indice connu par l’intégral de la valeur absolue de l’erreur (IAE), ce paramètre exprime la surface
- 56 -
générée par la différence entre la vitesse mécanique et sa référence, ce qui permet de fournir une comparaison
précise en matière de réduction de l’erreur de régulation entre les différents contrôleurs.
T𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓
IAE = � |eΩ | . 𝑑𝑑𝑑𝑑 (II.89)
0
Le deuxième indice de performance représente l’intégral du carré de l’erreur (ISE) qui est exprimé par
l’équation (II.90), ce paramètre traite plus les grandes erreurs que les petites dans lequel, il peut donner une
information approximative sur la rapidité de convergence de la vitesse vers sa consigne.
T𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓
ISE = � e2Ω . 𝑑𝑑𝑑𝑑 (II.90)
0
L’utilisation de l’instruction « socModelAnalyzer », qui est disponible uniquement dans les versions plus
récentes du Matlab R2020a v.9.8, permet de calculer le nombre d’opérations effectuées dans un pas
d’échantillonnage, ainsi on peut définir le pourcentage de complexité de chaque commande par rapport à celle
basée sur un PI, de plus, les deux profils de vitesse adoptés dans tests expérimentaux fournissent plus de détails
sur les performances du contrôle, du profil rapide, on peut extraire le temps de réponse à ±2% « Tr », le dépas-
sement « D% » et la chute maximale de vitesse due à l’application de charge « Ch-Ω », tandis que le deuxième
profil est exploité pour déterminer le courant de crête atteint dans les régimes transitoires « 𝑰𝑰𝑴𝑴𝑴𝑴𝑴𝑴 » et les valeurs
de « IAE » et « ISE », les données approuvées pour cette étude sont regroupées dans le tableau (II.5).
Profil 1 Profil 2
Operations Tr ± 2% D Ch-Ω IAE ISE IAE ISE IMax
( N° ) (%) (s) (%) ( rad /s ) ( rad ) ( rad /s ) ( rad ) ( rad /s ) ( A )
2 2
PI 23070 - 0.591 17.4 3.5 7.9 76.1 - - -

PIAW 23300 1.0 0.369 4.2 3.5 5.8 51.8 11.3 30.7 8.94
IP 22935 -0.6 0.619 0.0 5.4 17.6 499.9 - - -
Hybride-1 24635 6.9 0.729 1.8 2.2 16.8 534.6 10.7 39.8 9.11
ST-SMC 29056 26.0 0.579 3.9 1.2 10.4 277.1 - - -
Hybride-2 33295 44.3 0.400 3.9 1.7 10.5 251.5 7.8 18.7 6.70
IBC 26882 16.5 0.511 13.1 3.3 5.7 39.7 - - -
VGB 29585 28.2 0.284 0.0 2.7 4.6 46.6 7.1 21.8 6.33
Tableau II.5 : Indices de performance approuvés pour l’étude comparative des commandes élaborées
Discussion
Le contrôle optimal peut être jugé en fonction du cahier des charges selon l’application désirée : en termes
de simplicité, le PIAW est le contrôleur le plus simple qui peut garantir une performance acceptable, suivi par
le type VGB, alors que le régulateur Hybride-2 est le plus complexe, en matière du contrôle des régimes
transitoires, le VGB est le meilleur, même le PIAW et le contrôleur Hybride-2 peuvent offrir une réponse
dynamique rapide avec un dépassement inférieur à 5%, le ST-SMC est le contrôleur le plus puissant devant
les perturbations extérieures selon l’indice « Ch-Ω », mais en raison des vibrations qu’il peut entrainer durant
les régimes transitoires, le régulateur Hybride-2 peut être considéré comme plus favorable, ensuite, ils viennent
le premier régulateur hybride et le VGB, tandis que les régulateurs proportionnel-intégral sont les plus fragiles.
En basant sur l’indice « IAE », nous pouvons voir que le VGB entraîne le minimum d’erreur de régulation par
rapport aux deux profils, et le PIAW est dans la dernière position pour un fonctionnement dans un profil qui
assure l’asservissement de vitesse pour des valeurs différentes, d’après l’indice « ISE », on constate que les
commandes Backstepping sont les meilleurs lorsqu’il s’agit de profils rapides, d’autre part, le deuxième
- 57 -
contrôleur hybride a excédé le VGB avec un faible pourcentage par rapport au deuxième profile, cela est
principalement dû à la capacité élevée de rejet des perturbations du régulateur hybride optimisé. En ce qui
concerne le courant maximal dans les régimes transitoires, le VGB et le deuxième régulateur hybride
provoquent le minimum d’intensité par rapport aux autres contrôleurs, l’interprétation de cette caractéristique
est probablement due aux différentes manières de synthétisation des régulateurs de courant, ou bien à cause
des signaux de commande générés au cours de la phase de régulation de la vitesse.
7 - Conclusion
La contribution principale de ce chapitre est représentée par le développement de nouvelles techniques de
commande non linéaires caractérisées par la simplicité et l’efficacité du contrôle des moteurs asynchrones
triphasés. La première partie a été consacrée à la présentation du modèle mathématique du système à contrôler,
puis à la stratégie de base connue par la commande vectorielle par orientation du flux rotorique. Cette approche
a été adoptée pour mettre en œuvre les différents régulateurs proposés, nous avons commencé par les diverses
structures des régulateurs PI, ensuite, nous avons traité un type de régulateurs hybrides qui regroupent plusieurs
contrôleurs au même temps : le premier montage a été réalisé en combinant le SMC avec le PIAW,
cette structure a pu améliorer la robustesse face aux charges appliquées, mais elle offre une modeste dynamique
par rapport aux régimes transitoires, cela nous a conduits à envisager le Super-Twisting SMC afin d’élaborer
une version avancée de cette approche. L’utilisation du ST-SMC seul, offre un résultat remarquable, mais il
provoque des fortes vibrations avant la stabilisation finale, l’incorporation d’un simple régulateur PI avec ce
dernier a pu améliorer la réponse dynamique dans les différentes zones de fonctionnement, toutefois,
la complexité de cet algorithme, qui se repose sur deux correcteurs et un superviseur non linéaire, rend
l’exécution de la commande requiert un pas de calcul important. Cet obstacle nous a conduits à utiliser d’autres
techniques non linéaires comme le Backstepping, l’application de la version intégrale de cette approche ne
pourrait offrir qu’une modeste performance du contrôle, pour l’optimiser, la propriété des gains variables a été
intégrée dans les différents régulateurs de la vitesse et du courant, cette solution a été en mesure d’améliorer
la réponse dynamique, renforcer la puissance du rejet des perturbations extérieures et assurer un contrôle
optimal même dans la zone des basses vitesses. La sensibilité de la commande vis-à-vis des variations
paramétriques a été également testée afin de vérifier la robustesse contre les perturbations intérieures,
les résultats obtenus montrent un bon maintien de performances du moteur pour les différents tests de
robustesse, sauf qu’on peut marquer une légère surintensité du courant dans le cas de variation des résistances
rotoriques, mais d’un point de vue général, le contrôle a été effectué d’une façon très acceptable, une estimation
simultanée de la résistance rotorique permet de corriger la sensibilité de la commande devant ce paramètre.
Il convient de noter que la stratégie de base adoptée pour le contrôle de vitesse ne nécessite pas
l’information du couple de charge et du flux rotorique, ce qui a permis de simplifier la structure et réduire
l’utilisation des paramètres de la machine, de ce fait, toutes les études théoriques ont été réalisées et validées
expérimentalement à l’aide d’une carte dSPACE-DS-1104 associée à des programmes SIMULINK,
les résultats pratiques ont été analysés et discutés en détail afin d’aboutir à une étude comparative permet de
clarifier les principales caractéristiques de chaque technique développée. Sur la base de nombreux indices
de performance, nous avons considéré que la technique Backstepping à gains variables est la technique la plus
intéressante vue de sa haute capacité du contrôle, sa robustesse et sa simplicité d’implémentation, les résultats
expérimentaux montrent également un fonctionnement acceptable du PIAW qui est plus simple que le NVGC,
sans ignorer que cette performance peut s’améliore en optimisant les gains des régulateurs selon l’application
désirée, cette caractéristique affirme l’indispensabilité des régulateurs PI dans le domaine industriel.
Les chapitres suivants traitent l’observation de la vitesse ainsi que d’autres grandeurs fondamentales de
la machine, l’utilisation des différentes approches existant dans la littérature pour l’identification des variables
essentielles, permet de surmonter les limitations de fonctionnement relatif aux variations structurelles, en outre,
l’élimination du capteur de vitesse, qui complique le montage et augmente le coût global des systèmes
de commande, est l’un des principaux objectifs de cet axe de recherche.
- 58 -
III
Estimation simultanée des
résistances du stator et du
CHAPITRE rotor d’un moteur asynchrone
L des stratégies du contrôle, la structure générale des commandes adoptées dans le chapitre précédent,
’
L’optimisation de la commande des machines AC dépend directement des boucles de régulation internes
xxxxxxx
se repose sur une boucle de régulation de vitesse et deux autres assurant la régulation du courant, tandis que la
régulation du vecteur flux a été ignorée principalement à cause de l’indisponibilité de l’information sur cette
variable, les performances obtenues ont été très intéressantes en matière de robustesse et de rapidité sous
diverses conditions de fonctionnement critiques, alors que les résultats auraient été meilleurs si nous avons
pris en compte la régulation du flux rotorique, cette considération permet d’améliorer l’orientation du vecteur
flux car le découplage sera maintenu même dans les régimes transitoires, sous réserve de la présence de la
valeur instantanée du flux rotorique. Sachant que ce chapitre représente un prélude au chapitre suivant, les
différentes méthodes d’estimation de la vitesse fournissent souvent l’estimation du flux du rotor, nous pouvons
donc profiter de cette propriété afin de perfectionner le contrôle VGB par une régulation du flux. Cependant,
cet additif rend le contrôle dépendant d’un plus grand nombre de paramètres, conduisant à une robustesse
réduite face aux variations paramétriques, en particulier de la résistance du rotor, c’est l’une des raisons
principales pour lesquelles nous avons éliminé la phase de régulation du flux dans la commande du moteur en
temps réel. Il convient de noter qu’en raison de l’échauffement des enroulements durant le fonctionnement,
les résistances du moteur peuvent varier considérablement avec un impact significatif sur la dynamique de
la machine (Bodson, 94), pour cela, il est fortement recommandé de faire une identification en ligne de
ses paramètres afin de renforcer la robustesse des techniques de commande et d’observation pour la vitesse,
l’intelligence artificielle est largement utilisée pour cet objectif, les auteurs de (Karanayil, 07) ont adopté les
réseaux neurones artificiels pour l’estimation on-line des résistances statoriques et rotoriques, alors que la
méthode présentée dans (Rashed, 06), consiste à estimer ces paramètres en utilisant le calcul des puissances,
la stabilité des différents estimateurs a été assurée selon le critère de Routh-Hurwitz. D’un autre côté, le filtre
de Kalman étendu est également utilisé pour l’identification des paramètres électriques et magnétiques des
machines AC, grâce à ses propriétés stochastiques, le filtre de Kalman peut garantir une estimation optimale
en tenant compte des imperfections du modèle et de bruit présenté dans les mesures (Foulon, 07).
En vue d’améliorer le contrôle global des moteurs asynchrones, la chaine de régulation du flux sera intégrée
dans la structure de la commande Backstepping à gains variables, les performances du contrôle peuvent être
considérablement améliorées si les paramètres adoptés dans l’algorithme sont parfaitement définis, on va
présenter à cet effet, une méthode d’identification de la résistance rotorique qui est le paramètre le plus influent
sur le contrôle vectoriel, une estimation simultanée de la résistance statorique sera ajoutée afin d’assurer
l’identification optimale de la résistance rotorique, étant donné que les résistances des deux parties du moteur
varient en même temps mais avec un pourcentage indéfini, la validation de cette technique sera effectuée par
simulation, tandis que les résultats obtenus seront soigneusement interprétés afin de mettre en évidence
l’amélioration apportée à la commande Backstepping à gains variables.
1 - Optimisation de la commande VGB par la régulation du flux

La commande Backstepping à gains variables a été abordée en détail dans le chapitre précédent, les résultats
expérimentaux montrent une performance élevée du contrôle de vitesse et des courants, la régulation du flux
a été ignorée afin de minimiser les chaînes de régulation vue que le flux rotorique représente une quantité
inaccessible, l’objectif principal du présent chapitre est l’estimation simultanée des résistances du stator et
du rotor, cependant, cette estimation ne peut pas être effectuée sans passer par une étape d’observation du flux,
pour cela, on peut profiter de l’information estimée sur le flux rotorique en réalisant une chaîne de régulation
- 59 -
Chapitre 3 : Estimation simultanée des résistances du stator et du rotor d’un moteur asynchrone
permettant d’améliorer les performances du VGB, notamment dans les régimes transitoires. On doit noter que
la majorité des structures Backstepping sont envisagées le contrôler du flux rotorique afin de générer
∗
la nouvelle variable de commande « 𝑖𝑖𝑑𝑑𝑑𝑑 » (Trabelsi, 12 ; Zaafouri, 16 ; Mehazzem, 17 ; Siffat, 20).
Supposons que « 𝜓𝜓�𝑟𝑟 » est la valeur estimée du flux rotorique, la chaîne de régulation sera réalisée sur la base
du principe de la commande vectorielle « 𝜓𝜓𝑟𝑟 = 𝜓𝜓𝑑𝑑𝑑𝑑 », alors que la loi de commande sera déterminée par
la méthode du contrôle de Lyapunov pour conserver le principe de la commande Backstepping. Selon
la 3eme équation du modèle (II.2), la dynamique de la grandeur à contrôler s’exprime par :
1 𝑑𝑑𝜓𝜓�𝑟𝑟
∀Γ= , = M. Γ. 𝑖𝑖𝑑𝑑𝑑𝑑 − Γ. 𝜓𝜓�𝑟𝑟 (III.1)
τr 𝑑𝑑𝑑𝑑
De la même manière présentée dans la Section 5.1 du chapitre précédent, concernant le design
des contrôleurs non linéaires, la variable auxiliaire du contrôle sera définie par l’équation (III.2), avec « L𝜓𝜓 »
représente le gain de l’action intégrale qui doit être sélectionné positif.
𝒵𝒵𝜓𝜓 = e𝜓𝜓 + L𝜓𝜓 . � e𝜓𝜓 . 𝑑𝑑𝑑𝑑

(III.2)
e𝜓𝜓 = 𝜓𝜓𝑟𝑟∗ − 𝜓𝜓�𝑟𝑟
En basant sur l’équation (III.1), la dynamique de la variable de commande « 𝒵𝒵𝜓𝜓 » est donnée par :
𝑑𝑑𝒵𝒵𝜓𝜓 𝑑𝑑𝜓𝜓𝑟𝑟∗
= − M. Γ. 𝑖𝑖𝑑𝑑𝑑𝑑 + Γ. 𝜓𝜓�𝑟𝑟 + L𝜓𝜓 . e𝜓𝜓 (III.3)
La loi de commande qui assure la stabilité asymptotique du régulateur de flux peut être déterminée par
l’imposition de la fonction de Lyapunov donnée par (III.4).
1
∀ 𝒵𝒵𝜓𝜓 ≠ 0 , V𝜓𝜓 = . 𝒵𝒵𝜓𝜓2
2
(III.4)
𝑑𝑑V𝜓𝜓 𝑑𝑑𝒵𝒵𝜓𝜓
= 𝒵𝒵𝜓𝜓 .
Pratiquement, le flux de référence imposé par le bloc de défluxage reste constant, par conséquent,
sa dynamique est nulle, cela permet d’exprimer la dérivée temporelle de la fonction de Lyapunov par
l’équation (III.5) en utilisant l’équation (III.3).
𝑑𝑑V𝜓𝜓
�̇ . Γ. 𝑖𝑖𝑑𝑑𝑑𝑑 + Γ. 𝜓𝜓�𝑟𝑟 + L𝜓𝜓 . e𝜓𝜓 �
= 𝒵𝒵𝜓𝜓 . �−M (III.5)
𝑑𝑑𝑑𝑑
De cette équation, on peut extraire la loi de commande qui garantit la stabilité asymptotique de ce sous-
∗
système, et qui assure la génération du premier courant de référence « 𝑖𝑖𝑑𝑑𝑑𝑑 » par l’expression suivante :
τr
∗
𝑖𝑖𝑑𝑑𝑑𝑑 = . �k 𝜓𝜓 . 𝒵𝒵𝜓𝜓 + Γ�̇ . 𝜓𝜓�𝑟𝑟 + L𝜓𝜓 . e𝜓𝜓 � (III.6)
M
Le choix du gain de conception « k 𝜓𝜓 » doit être strictement positif pour assurer l’inégalité (III.7).
𝑑𝑑V𝜓𝜓
= −k 𝜓𝜓 . 𝒵𝒵𝜓𝜓2 ≤ 0 (III.7)
𝑑𝑑𝑑𝑑
Cette relation signifie que quel que soit le temps, la positivité du gain « k 𝜓𝜓 » assure que la fonction de
Lyapunov imposée et sa dérivée sont de signe opposé, ce qui garantit la stabilité asymptotique de ce système
et la convergence du flux rotorique vers sa valeur de référence. La nouvelle commande générée par
∗
ce contrôleur sera adoptée dans la chaîne de régulation des courants, où la référence « 𝑖𝑖𝑑𝑑𝑑𝑑 » dans (II.78) sera
remplacée par la loi de commande donnée par l’expression (III.6).
- 60 -
2 - Observateur linéaire interconnecté pour l’estimation simultanée des

résistances statoriques et rotoriques
L’échauffement des enroulements de la machine ou bien la saturation du circuit magnétique peuvent
provoquer une certaine variation au niveau des résistances statoriques et rotoriques du MAS, d’après
les résultats obtenus dans le ‘Chapitre II’, on peut considérer que la commande VGB est robuste devant
la variation des résistances du stator et du rotor, en revanche, l’introduction de la régulation du flux rotorique
rend la commande globale plus dépendante de la résistance rotorique à travers l’équation (III.6), qui à son tour
deviendra une référence pour la régulation des courants ; dans le cas d’une augmentation de la résistance
rotorique, la détermination des tensions de commande appropriées ne sera plus déterminée correctement,
en même temps, cette variation risque de perdre le principe fondamental du contrôle vectoriel représenté par
le découplage entre le flux et le couple électromagnétique, étant donné que « τr » intervient pour l’estimation
de la fréquence de commande exprimée par l’équation (II.3), pour cela, il est important d’établir une estimation
pour ce paramètre afin de surmonter le problème des incertitudes et de variation paramétrique.
Dans de nombreux travaux, l’observation de « R r » n’a pas été testée dans le cas d’une variation de « R s »,
en effet, « R r » peut être considérée comme plus vulnérable au changement en raison de sa présence à
l’intérieur de la machine, en revanche, d’autres chercheurs n’ont estimé que la résistance du rotor, tandis que
la résistance statorique a été identifiée à travers une supposition que les deux résistances ont le même
pourcentage de variation (Kubota, 93 ; Horch, 19), en revanche, on trouve d’autres chercheurs préfèrent
d’estimer simultanément les deux résistances afin d’assurer un contrôle optimal (Rashed, 06 ; Karanayil, 07).
La technique développée dans cette sous-section présente un observateur interconnecté qui permet une
estimation parallèle des deux résistances, l’algorithme d’observation est composé de deux sous-systèmes
d’observation : le premier assure l’estimation de la résistance du rotor et le deuxième estime la résistance
du stator ainsi que le flux rotorique, la sortie de chaque sous-système présente une entrée pour l’autre, alors
que chaque loi d’observation va être générée sur la base de la stabilité de Lyapunov, les sorties de l’observateur
global « 𝜓𝜓�𝑟𝑟 » et « R
� r » seront directement connectées à la commande VGB pour la régulation du vecteur flux
et pour l’adaptation de la résistance rotorique utilisée dans l’algorithme du contrôle.
2.1 - Observation de la résistance rotorique

L’estimation de la résistance rotorique sera effectuée sur un choix judicieux d’un modèle mathématique
approprié du moteur asynchrone, dont les êtas à estimer sont les composants du courant « 𝑖𝑖𝑑𝑑𝑑𝑑 , 𝑖𝑖𝑞𝑞𝑞𝑞 » et du flux
statorique « 𝜓𝜓𝑑𝑑𝑑𝑑 , 𝜓𝜓𝑞𝑞𝑞𝑞 » dans un référentiel lié à la vitesse de synchronisme « 𝑑𝑑 − 𝑞𝑞 ». On peut exprimer les
équations électriques et magnétiques du MAS par la forme vectorielle suivante (Chatelain, 89 ; Boldea, 02) :
��⃗𝑠𝑠
𝑑𝑑𝜓𝜓
𝑣𝑣̇��⃗s = R s . 𝚤𝚤̇��⃗𝑠𝑠 + + 𝑗𝑗. ωs . ��⃗
𝜓𝜓𝑠𝑠
𝑑𝑑𝑑𝑑
(III.8)
��⃗𝑟𝑟
𝑑𝑑𝜓𝜓
�⃗ = R r . ��⃗
0 𝚤𝚤̇𝑟𝑟 + ��⃗𝑟𝑟
+ 𝑗𝑗. ωg . 𝜓𝜓
𝑑𝑑𝑑𝑑
��⃗
𝜓𝜓𝑠𝑠 = Ls . ��⃗
𝚤𝚤̇𝑠𝑠 + M. ��⃗
𝚤𝚤̇𝑟𝑟
(III.9)
��⃗
𝜓𝜓𝑟𝑟 = Lr . ��⃗
𝚤𝚤̇𝑟𝑟 + M. ��⃗
𝚤𝚤̇𝑠𝑠
De la première relation dans (III.9), on extrait l’expression du courant rotorique « 𝚤𝚤̇��⃗𝑟𝑟 » et on le remplace
dans la deuxième relation pour éliminer cette variable.
Lr M 2 − L̇̇ s . Lr
��⃗
𝜓𝜓𝑟𝑟 = . ��⃗
𝜓𝜓𝑠𝑠 + � � . 𝚤𝚤̇��⃗𝑠𝑠 (III.10)
M M
- 61 -
En substituant l’équation (III.10) dans la deuxième relation dans (III.8), le flux rotorique sera éliminé pour
obtenir l’expression de la dérivée du courant statorique, la dérivée du flux statorique sera obtenue en basant
sur la première relation de (III.8), cela permet d’aboutir à la représentation d’états suivante (Bensaker, 04) :
𝑖𝑖𝑑𝑑𝑑𝑑 �𝜎𝜎 + Ṙ r . 𝑐𝑐1 � ωg −R r . Θ −𝑐𝑐2 . ωm 𝑖𝑖 −𝑐𝑐 0
⎡ ⎤ ⎡ ⎤ ⎡ 𝑑𝑑𝑑𝑑 ⎤ ⎡ 2 ⎤
𝑑𝑑 ⎢ 𝑖𝑖𝑞𝑞𝑠𝑠 ⎥ ⎢ −ωg �𝜎𝜎 + Ṙ r . 𝑐𝑐1 � 𝑐𝑐2 . ωm −R r . Θ ⎥ ⎢ 𝑖𝑖𝑞𝑞𝑞𝑞 ⎥ ⎢ 0 −𝑐𝑐2 ⎥ 𝑣𝑣𝑑𝑑𝑑𝑑
⎢ ⎥=⎢ ⎥.⎢ ⎥+⎢ ⎥.� � (III.11)
𝑑𝑑𝑑𝑑 ⎢ 𝜓𝜓𝑑𝑑𝑑𝑑 ⎥ ⎢ −R s 0 0 ωs ⎥ ⎢ 𝜓𝜓𝑑𝑑𝑑𝑑 ⎥ ⎢ 1 0 ⎥ 𝑣𝑣𝑞𝑞𝑞𝑞
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ 𝜓𝜓𝑞𝑞𝑠𝑠 ⎦ ⎣ 0 −R s −ωs 0 ⎦ ⎣ 𝜓𝜓𝑞𝑞𝑠𝑠 ⎦ ⎣ 0 1 ⎦
1
Avec : Θ= ; 𝑐𝑐1 = Ls . Θ ; 𝑐𝑐2 = Lr . Θ ; 𝜎𝜎 = R s . 𝑐𝑐2
M 2 − Ls . Lr
Ce modèle peut être réécrit comme suit :

𝑑𝑑
𝑥𝑥𝑟𝑟 = A𝑟𝑟 . 𝑥𝑥𝑟𝑟 + B𝑟𝑟 . 𝑢𝑢
𝑆𝑆𝑆𝑆𝑆𝑆(𝑅𝑅𝑟𝑟 ) � 𝑑𝑑𝑑𝑑 (III.12)
𝑦𝑦𝑟𝑟 = C . 𝑥𝑥𝑟𝑟
« 𝑥𝑥𝑟𝑟 = [ 𝑖𝑖𝑑𝑑𝑑𝑑 𝑖𝑖𝑞𝑞𝑞𝑞 𝜓𝜓𝑑𝑑𝑑𝑑 𝜓𝜓𝑞𝑞𝑠𝑠 ]𝑇𝑇 » représente le vecteur des variables d’état, « 𝑢𝑢 = [ 𝑣𝑣𝑑𝑑𝑑𝑑 𝑣𝑣𝑞𝑞𝑞𝑞 ]𝑇𝑇 » est le
vecteur de commande, « 𝑦𝑦 » est le vecteur de sortie. « A𝑟𝑟 », « B𝑟𝑟 », et « C » sont respectivement la matrice
d’évolution, la matrice de commande et la matrice d’observation qui peuvent être définies par :
�𝜎𝜎 + Ṙ r . 𝑐𝑐1 � 𝜔𝜔𝑔𝑔 −R r . Θ −𝑐𝑐2 . 𝜔𝜔𝑚𝑚 −𝑐𝑐2 0

⎡ ⎤ ⎡ ⎤
⎢ −𝜔𝜔𝑔𝑔 �𝜎𝜎 + Ṙ r . 𝑐𝑐1 � 𝑐𝑐2 . 𝜔𝜔𝑚𝑚 −R r . Θ ⎥ ⎢ 0 −𝑐𝑐2 ⎥ 1 0 0 0
A𝑟𝑟 = ⎢ ⎥ ; B𝑟𝑟 = ⎢ ⎥ ; C=� �
⎢ −R s 0 0 𝜔𝜔𝑠𝑠 ⎥ ⎢ 1 0 ⎥ 0 1 0 0
⎢ ⎥ ⎢ ⎥
⎣ 0 −R s −𝜔𝜔𝑠𝑠 0 ⎦ ⎣ 0 1 ⎦
Après la vérification de l’observabilité du système à étudier, le développement d’un observateur

déterministe peut être réalisé en reconstituant les variables d’état sur la base du modèle dynamique de la
machine, puis en ajoutant des termes de correction en fonction de l’écart entre les grandeurs estimées et celles
mesurées (Johnson, 69), ces termes de correction peuvent compenser une certaine non-linéarité indéfinie dans
le système, permettant ainsi aux états estimés de converger vers les quantités physiques réelles. L’expression
mathématique de l’observateur adopté pour l’estimation de la résistance rotorique s’exprime comme suit :
𝑑𝑑
� 𝑟𝑟 . 𝑥𝑥�𝑟𝑟 + B𝑟𝑟 . 𝑢𝑢 + 𝜆𝜆𝑟𝑟 . 𝜀𝜀𝑥𝑥𝑟𝑟
𝑥𝑥�𝑟𝑟 = A
𝑂𝑂𝑂𝑂𝑂𝑂(𝑅𝑅𝑟𝑟 ) � 𝑑𝑑𝑑𝑑 (III.13)
𝑦𝑦�𝑟𝑟 = C . 𝑥𝑥�𝑟𝑟
𝑇𝑇
Notez que : « 𝑥𝑥�𝑟𝑟 = � 𝚤𝚤̇̂𝑑𝑑𝑑𝑑 𝚤𝚤̇̂𝑞𝑞𝑞𝑞 𝜓𝜓�𝑑𝑑𝑑𝑑 𝜓𝜓�𝑞𝑞𝑠𝑠 � » est le vecteur des variables d’état estimées, « 𝜀𝜀𝑥𝑥𝑟𝑟 = 𝑥𝑥𝑟𝑟 − 𝑥𝑥�𝑟𝑟 »
définit le vecteur de l’erreur d’observation. « A � 𝑟𝑟 » et « 𝜆𝜆𝑟𝑟 » sont respectivement la matrice d’évolution de
l’observateur et la matrice de correction qui seront définis ci-dessous.
� r . 𝑐𝑐1 �
�𝜎𝜎 + R ωg �r . Θ
−R −𝑐𝑐2 . ωm λr 0 0 0
⎡ ⎤ ⎡ 1 ⎤
⎢ −ωg � r . 𝑐𝑐1 �
�𝜎𝜎 + R 𝑐𝑐2 . ωm �r . Θ ⎥
−R ⎢ 0 λ1r 0 0 ⎥
�r = ⎢
A ⎥ ; 𝜆𝜆𝑟𝑟 = ⎢ ⎥
⎢ −R s 0 0 ωs ⎥ ⎢ λr2 λr3 0 0 ⎥
⎢ ⎥ ⎢ ⎥
⎣ 0 −R s −ωs 0 ⎦ ⎣ −λr3 λr2 0 0 ⎦
Sachant que les pulsations électriques sont des signaux générés par l’algorithme de commande, on peut dire
donc qu’elles sont des variables bien définies par rapport au système d’observation, par conséquent, il est
- 62 -
valable de considérer que la matrice d’état « A𝑟𝑟 » ne peut varier qu’en fonction de la résistance rotorique, pour
cela, on peut supposer que « R � r = R r + ∆R r » représente la valeur estimée de la résistance rotorique réelle,
l’écart entre les matrices d’évolution des deux systèmes (III.12) et (III.13) est défini par :
−𝑐𝑐1 . 𝐼𝐼 Θ. 𝐼𝐼
∀ 𝐼𝐼 = � 1 0 � , � 𝑟𝑟 = ∆R r . �
∆A𝑟𝑟 = A𝑟𝑟 − A � = ∆R r . Σ (III.14)
0 1 0(2×2) 0(2×2)
La différence entre le modèle (III.12) et (III.13) permet d’écrire le système différentiel décrivant la
dynamique de l’erreur d’observation « 𝜀𝜀𝑥𝑥𝑟𝑟 = 𝑥𝑥𝑟𝑟 − 𝑥𝑥�𝑟𝑟 » par (III.15) en utilisant sur la relation (III.14).
𝑑𝑑 𝑟𝑟
� 𝑟𝑟 . 𝑥𝑥�𝑟𝑟 − 𝜆𝜆𝑟𝑟 . 𝜀𝜀𝑥𝑥𝑟𝑟
𝜀𝜀 = A𝑟𝑟 . 𝑥𝑥𝑟𝑟 − A
𝑑𝑑𝑑𝑑 𝑥𝑥 (III.15)
� 𝑟𝑟 − 𝜆𝜆𝑟𝑟 �. 𝜀𝜀𝑥𝑥𝑟𝑟 + ∆R r . Σ . 𝑥𝑥�𝑟𝑟
= �A
� r » sera effectuée en imposant la fonction candidat de Lyapunov suivante :

La détermination de « R
1 1
∀ 𝜀𝜀𝑥𝑥𝑟𝑟 ≠ 0 , 𝒱𝒱𝑟𝑟 = . [ 𝜀𝜀𝑥𝑥𝑟𝑟 ]𝑇𝑇 . [ 𝜀𝜀𝑥𝑥𝑟𝑟 ] + ⃛ r �2
. �∆R (III.16)
2 2. 𝜙𝜙𝑟𝑟
Sachant que « 𝜙𝜙𝑟𝑟 » représente un paramètre arbitraire strictement positif, la variation de la fonction
de Lyapunov s’exprime par :
𝑑𝑑 𝑑𝑑 ∆R r 𝑑𝑑 𝑑𝑑
𝒱𝒱𝑟𝑟 = [𝜀𝜀𝑥𝑥𝑟𝑟 ]𝑇𝑇 . [𝜀𝜀𝑥𝑥𝑟𝑟 ] + .� R � r − Rr � (III.17)
𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 𝜙𝜙𝑟𝑟 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑
Il est connu que la variation des résistances est très faible par rapport au temps, cela permet de simplifier
la relation (III.17) en éliminant le terme « 𝑑𝑑R r ⁄𝑑𝑑𝑑𝑑 », par la substitution de (III.15) dans (III.17), on obtient :
𝑑𝑑 ∆R r 𝑑𝑑
𝒱𝒱𝑟𝑟 = [𝜀𝜀𝑥𝑥𝑟𝑟 ]𝑇𝑇 . �Ä 𝑟𝑟 − 𝜆𝜆𝑟𝑟 �. [𝜀𝜀𝑥𝑥𝑟𝑟 ] + ∆R r . [𝜀𝜀𝑥𝑥𝑟𝑟 ]𝑇𝑇 . Σ . 𝑥𝑥�𝑟𝑟 + . R � (III.18)
𝑑𝑑𝑑𝑑 𝜙𝜙𝑟𝑟 𝑑𝑑𝑑𝑑 r
La semi-négativité de la dérivée de l’équation de Lyapunov est indispensable pour assurer la stabilité

asymptotique de l’observateur, cette contrainte pourrait être respectée si les deux conditions de stabilité
suivantes sont vérifiées :
[𝜀𝜀𝑥𝑥𝑟𝑟 ]𝑇𝑇 . �Ä 𝑟𝑟 − 𝜆𝜆𝑟𝑟 �. [𝜀𝜀𝑥𝑥𝑟𝑟 ] ≤ 0
(III.19)
∆R r 𝑑𝑑
∆𝑅𝑅𝑟𝑟 . [𝜀𝜀𝑥𝑥𝑟𝑟 ]𝑇𝑇 . Σ . 𝑥𝑥�𝑟𝑟 + . R � =0
𝜙𝜙𝑟𝑟 𝑑𝑑𝑑𝑑 r
À travers la simplification de la première équation de (III.19), il suffit de sélectionner le gain « λ1r » positif
et suffisamment large pour vérifier la première condition de stabilité, en parallèle, les gains « λr2 » et « λr3 »
peuvent être considérés comme des paramètres d’optimisation qui doivent être relativement faibles, d’un autre
� r » telle que :
côté, la satisfaction de la 2eme condition de stabilité permet l’extraction la loi d’observation de « R
𝑑𝑑
� = −𝜙𝜙𝑟𝑟 . [𝜀𝜀𝑥𝑥𝑟𝑟 ]𝑇𝑇 . Σ . 𝑥𝑥�𝑟𝑟
R
𝑑𝑑𝑑𝑑 r
(III.20)
𝑑𝑑
� = 𝜙𝜙𝑟𝑟 . �𝜀𝜀̆̆̆𝑖𝑖𝑖𝑖 . �𝑐𝑐1 . 𝚤𝚤̇̂𝑑𝑑𝑑𝑑 − Θ. 𝜓𝜓�𝑑𝑑𝑑𝑑 � + 𝜀𝜀𝑖𝑖𝑖𝑖 . �𝑐𝑐1 . 𝚤𝚤̇̂𝑞𝑞𝑞𝑞 − Θ. 𝜓𝜓�𝑞𝑞𝑞𝑞 ��
R
𝑑𝑑𝑑𝑑 r
Notez que « 𝜀𝜀𝑖𝑖𝑖𝑖 = 𝑖𝑖𝑑𝑑𝑑𝑑 − 𝚤𝚤̇̂𝑑𝑑𝑑𝑑 » et « 𝜀𝜀𝑖𝑖𝑖𝑖 = 𝑖𝑖𝑞𝑞𝑞𝑞 − 𝚤𝚤̇̂𝑞𝑞𝑞𝑞 » sont les erreurs d’observation relatives aux courants
de Park, si on remplace le paramètre « 𝑐𝑐1 » par son expression détaillée, on aboutit à la relation suivante :
𝑑𝑑
� = Θ. 𝜙𝜙𝑟𝑟 . �𝜀𝜀̆̆̆𝑖𝑖𝑖𝑖 . �Ls . 𝚤𝚤̇̂𝑑𝑑𝑑𝑑 − 𝜓𝜓�𝑑𝑑𝑑𝑑 � + 𝜀𝜀𝑖𝑖𝑖𝑖 . �Ls . 𝚤𝚤̇̂𝑞𝑞𝑞𝑞 − 𝜓𝜓�𝑞𝑞𝑞𝑞 �� = Θ. 𝜙𝜙𝑟𝑟 . 𝛿𝛿ℯ𝑟𝑟
R (III.21)
𝑑𝑑𝑑𝑑 r
- 63 -
Nous pouvons améliorer les performances de l’observateur si un contrôleur PI sera utilisé au lieu d’un
simple intégrateur, notamment en matière de rapidité, cela assure une convergence optimale de « R � r » vers
sa valeur réelle, permettant ainsi d’optimiser l’observation des différents états du système, en outre, il est
important de mentionner que le signe de « Θ » varie selon les paramètres de la machine, par conséquent, la loi
générale pour l’observation de la résistance du rotor s’exprime comme suit :
� r = Sgn(Θ) . �𝑘𝑘𝑝𝑝𝑟𝑟 . 𝛿𝛿ℯ𝑟𝑟 + 𝑘𝑘𝑖𝑖𝑟𝑟 . � 𝛿𝛿ℯ𝑟𝑟 . 𝑑𝑑𝑑𝑑�

R (III.22)
« 𝑘𝑘𝑝𝑝𝑟𝑟 » et « 𝑘𝑘𝑖𝑖𝑟𝑟 » sont les gains du contrôleur PI qui doivent être strictement positifs et relativement larges.
2.2 - Observation de la résistance statorique

Il est connu que la commande vectorielle est extrêmement robuste devant la variation de la résistance
statorique, mais le problème s’impose dans le cas d’un contrôle avec une adaptation de « R r », l’algorithme
d’estimation de « R r » inclut essentiellement la valeur de la résistance statorique, par conséquent, il est
nécessaire de mettre une estimation parallèle de cette dernière afin d’améliorer la robustesse du contrôle global.
D’un autre côté, on doit estimer également les composants du vecteur flux rotorique « 𝜓𝜓𝑟𝑟 » afin d’assurer
sa régulation, pour cela, l’observateur développé dans cette sous-section sera le responsable pour l’estimation
de la résistance du stator et le flux du rotor, son développement sera effectué dans un référentiel lié aux champs
tournant « 𝑑𝑑 − 𝑞𝑞 », le modèle mathématique (II.1) sera adopté pour décrire le comportement du MAS par la
représentation d’états suivante (Trabelsi, 12 ; Sun, 19 ; Aichi, 20a) :
𝑑𝑑
𝑥𝑥𝑠𝑠 = A𝑠𝑠 . 𝑥𝑥𝑠𝑠 + B𝑠𝑠 . 𝑢𝑢
𝑆𝑆𝑆𝑆𝑆𝑆(𝑅𝑅𝑠𝑠 ) � 𝑑𝑑𝑑𝑑 (III.23)
𝑦𝑦𝑠𝑠 = C . 𝑥𝑥𝑠𝑠
Avec :
𝑖𝑖𝑑𝑑𝑠𝑠 − α1 𝜔𝜔𝑠𝑠 Γ. α2 −α2 . 𝜔𝜔𝑚𝑚 β 0 1 0
⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 𝑖𝑖𝑞𝑞𝑠𝑠 ⎥ ⎢ −𝜔𝜔𝑠𝑠 − α1 −α2 . 𝜔𝜔𝑚𝑚 Γ. α2 ⎥ ⎢0 β⎥ ⎢0 1⎥ 𝑣𝑣𝑑𝑑𝑠𝑠
𝑥𝑥𝑠𝑠 = ⎢ ⎥ ; A𝑠𝑠 = ⎢ ⎥ ; B𝑠𝑠 = ⎢ ⎥ ; C 𝑇𝑇 = ⎢ ⎥ ; 𝑢𝑢 = � �
⎢ 𝜓𝜓𝑑𝑑𝑟𝑟 ⎥ ⎢ M. Γ 0 −Γ 𝜔𝜔𝑔𝑔 ⎥ ⎢0 0⎥ ⎢0 0⎥ 𝑣𝑣𝑞𝑞𝑠𝑠
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ 𝜓𝜓𝑞𝑞𝑟𝑟 ⎦ ⎣ 0 M. Γ −𝜔𝜔𝑔𝑔 −Γ ⎦ ⎣0 0⎦ ⎣0 0⎦
2
M M 1 M2 Lr 1
α1 = β. �R s + α
�; 2 = β. ; β = ; δ=1−� � ; τr = ; Γ=
Lr . τr Lr δ. Ls Ls . Lr Rr τr
De la même manière utilisée dans l’observateur précèdent, la représentation d’états du système

d’observation pour les courants statoriques et le flux rotorique est exprimée comme suit :
𝑑𝑑
� 𝑠𝑠 . 𝑥𝑥�𝑠𝑠 + B𝑠𝑠 . 𝑢𝑢 + 𝜆𝜆𝑠𝑠 . 𝜀𝜀𝑥𝑥𝑠𝑠
𝑥𝑥�𝑠𝑠 = A
𝑂𝑂𝑂𝑂𝑂𝑂(𝑅𝑅𝑠𝑠 ) � 𝑑𝑑𝑑𝑑 (III.24)
𝑦𝑦�𝑠𝑠 = C . 𝑥𝑥�𝑠𝑠
Avec :
𝚤𝚤̇̂ −α
�1 𝜔𝜔𝑠𝑠 Γ. α2 −α2 . 𝜔𝜔𝑚𝑚 λs 0 0 0
⎡ 𝑑𝑑𝑠𝑠 ⎤ ⎡ ⎤ ⎡ 1 ⎤
⎢ 𝚤𝚤̇̂𝑞𝑞𝑠𝑠 ⎥ ⎢ −𝜔𝜔𝑠𝑠 − α
�1 −α2 . 𝜔𝜔𝑚𝑚 Γ. α2 ⎥ ⎢ 0 λ1s 0 0 ⎥ β. M 2
𝑥𝑥�𝑠𝑠 = ⎢ ⎥ ; A𝑠𝑠 = ⎢ ⎥ ; 𝜆𝜆𝑠𝑠 = ⎢ ⎥; α �s +
�1 = β. R
⎢ 𝜓𝜓�𝑑𝑑𝑟𝑟 ⎥ ⎢ M. Γ 0 −Γ 𝜔𝜔𝑔𝑔 ⎥ ⎢ λs2 λs3 0 0 ⎥ Lr . τr
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ 𝜓𝜓�𝑞𝑞𝑟𝑟 ⎦ ⎣ 0 M. Γ −𝜔𝜔𝑔𝑔 −Γ ⎦ ⎣ −λs3 λs2 0 0 ⎦
Sachant que la résistance statorique « R s » n’intervient que dans le paramètre « α1 » qui inclut les valeurs
des deux résistances, il est plus pratique d’observer ce dernier au lieu de faire une observation de « R s », cela
- 64 -
peut simplifier le design du présent observateur et de réduire l’effet d’incertitudes de la résistance « R s ».

La dynamique de l’erreur d’observation de ce système est obtenue en soustrayant (III.23) de (III.24).
𝑑𝑑 𝑠𝑠
𝜀𝜀 = A𝑠𝑠 . 𝑥𝑥𝑠𝑠 − A� 𝑠𝑠 . 𝑥𝑥�𝑠𝑠 − 𝜆𝜆𝑠𝑠 . 𝜀𝜀𝑥𝑥𝑠𝑠
𝑑𝑑𝑑𝑑 𝑥𝑥 (III.25)
� 𝑠𝑠 − 𝜆𝜆𝑠𝑠 �. 𝜀𝜀𝑥𝑥𝑠𝑠 + ∆A𝑠𝑠 . 𝑥𝑥�𝑠𝑠
= �A
On garde à l’esprit que « R � s = R s + ∆R s » représente la valeur estimée de la résistance du stator,

la différence entre les matrices d’état du modèle réel et celles de l’observateur résulte l’expression suivante :
𝐼𝐼 0(2×2)
∀ �𝐼𝐼 = � 1 0 � ; α � 𝑠𝑠 = ∆α1 . �
�1 = α1 + ∆α1 �, ∆A𝑠𝑠 = A𝑠𝑠 − A � = ∆α1 . ℐ (III.26)
0 1 0(2×2) 0(2×2)
La fonction de Lyapunov qui aide à définir la loi d’observation est exprimée par l’équation (III.27).
1 1 2
∀ � 𝜀𝜀𝑥𝑥𝑠𝑠 ≠ 0 ; 𝜙𝜙𝑠𝑠 > 0̇ � , 𝒱𝒱𝑠𝑠 = . [ 𝜀𝜀𝑥𝑥𝑠𝑠 ]𝑇𝑇 . [ 𝜀𝜀𝑥𝑥𝑠𝑠 ] + . �∆̇α1 � (III.27)
2 2. 𝜙𝜙𝑠𝑠
Alors que sa dérivée temporelle s’écrit par :
𝑑𝑑 𝑑𝑑 ∆α1 𝑑𝑑 𝑑𝑑
𝒱𝒱 = [𝜀𝜀𝑥𝑥𝑠𝑠 ]𝑇𝑇 . [𝜀𝜀𝑥𝑥𝑠𝑠 ] + .� � − α �
α (III.28)
𝑑𝑑𝑑𝑑 𝑠𝑠 𝑑𝑑𝑑𝑑 𝜙𝜙𝑠𝑠 𝑑𝑑𝑑𝑑 1 𝑑𝑑𝑑𝑑 1
En maintenant le même principe de la négligence des dynamiques des valeurs réelles de résistances par
rapport aux dynamiques des grandeurs estimées, l’équation (III.28) peut être récrite dans la nouvelle forme
suivante, en substituant (III.25) et (III.26).
𝑑𝑑 ∆α1 𝑑𝑑
𝒱𝒱𝑠𝑠 = [𝜀𝜀𝑥𝑥𝑠𝑠 ]𝑇𝑇 . �Ä 𝑠𝑠 − 𝜆𝜆𝑠𝑠 �. [𝜀𝜀𝑥𝑥𝑠𝑠 ] + ∆α1 . [𝜀𝜀𝑥𝑥𝑠𝑠 ]𝑇𝑇 . ℐ. 𝑥𝑥�𝑠𝑠 + . α � (III.29)
𝑑𝑑𝑑𝑑 𝜙𝜙𝑠𝑠 𝑑𝑑𝑑𝑑 1
Cette relation nous permet à déterminer les deux conditions de stabilité qui doivent être respectées.
[𝜀𝜀𝑥𝑥𝑠𝑠 ]𝑇𝑇 . �Ä 𝑠𝑠 − 𝜆𝜆𝑠𝑠 �. [𝜀𝜀𝑥𝑥𝑠𝑠 ] ≤ 0
∆α1 𝑑𝑑 (III.30)
∆α1 . [𝜀𝜀𝑥𝑥𝑠𝑠 ]𝑇𝑇 . ℐ. 𝑥𝑥�𝑠𝑠 + . � α =0
𝜙𝜙𝑠𝑠 𝑑𝑑𝑑𝑑 1
Si la deuxième condition est satisfaite, la stabilité asymptotique de l’observateur global sera justifiée
en choisissant le gain « λ1s » avec une valeur positive importante, alors que les gains « λs2 » et « λs3 » devraient
être plus faibles ou même nuls, par conséquent, la fonction de Lyapunov et sa dérivée sont définies de signe
opposé quel que soit le régime de fonctionnement, nous pouvons donc écrire la relation suivante :
𝑑𝑑
α = −𝜙𝜙𝑠𝑠 . [𝜀𝜀𝑥𝑥𝑠𝑠 ]𝑇𝑇 . ℐ. 𝑥𝑥�𝑠𝑠
�
𝑑𝑑𝑑𝑑 1 (III.31)
𝑑𝑑
α = 𝜙𝜙𝑠𝑠 . �−𝜀𝜀𝑖𝑖𝑖𝑖 . 𝚤𝚤̇̂𝑑𝑑𝑑𝑑 − 𝜀𝜀𝑖𝑖𝑖𝑖 . 𝚤𝚤̇̂𝑞𝑞𝑞𝑞 � = 𝜙𝜙𝑠𝑠 . 𝛿𝛿ℯ𝑠𝑠
�
𝑑𝑑𝑑𝑑 1
� s » sera faite par la relation (III.32).
L’estimation finale de la résistance statorique « R
∀ � 𝑘𝑘𝑝𝑝𝑠𝑠 > 0 ; 𝑘𝑘𝑝𝑝𝑠𝑠 > 0 � , �1 = 𝑘𝑘𝑝𝑝𝑠𝑠 . 𝛿𝛿ℯ𝑠𝑠 + 𝑘𝑘𝑖𝑖𝑠𝑠 . � 𝛿𝛿ℯ𝑠𝑠 . 𝑑𝑑𝑑𝑑

α
(III.32)
α
� � . M2
R
�s = 1 − r
R
β L2r
La figure (III.1) montre le schéma fonctionnel explicatif de l’observateur linéaire interconnecté, il convient
de noter que les sorties « R� s » et « R
� r » doivent être limitées, dont les minimums sont les valeurs nominales et
les limites supérieures peuvent être choisies « 3. 𝑅𝑅𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 », d’autre part, il est fortement recommandé
de filtrer les deux résistances observées afin d’améliorer la stabilité des deux observateurs partiels, notamment
- 65 -
durant les régimes transitoires de la vitesse. L’intégration des filtres passe-bas permet d’introduire un retard
au niveau des signaux générés, ce qui garantit l’hypothèse que la dynamique de chaque observateur ne dépend
que de la valeur estimée par lui-même.
Observateur de Rs
Rr ^ Observateur de Rr
Filtre +
Wr Rs ^ Saturation Rs ^ Rr ^
Vabc 1
Vds Vds Vds
1 Vabc
Vqs Vqs Fi_r ^ Vqs Filtre +
Rr ^ Saturation
Ids Ids Fi_r ^ 2 Ids
2 Iabc
Iqs Iqs Iqs
Iabc
Wr
3 p
Wr
Figure III.1 : Diagramme explicatif montrant la structure générale de l'observateur interconnecté des
résistances statoriques et rotoriques
3 - Analyse de performance de l’estimation simultanée des paramètres

incertains
Les performances de la commande VGB optimisée seront vérifiées par une simulation numérique
en utilisant MATLAB/Simulink, par l’imposition d’un profil de vitesse combinant les différentes zones de
fonctionnement y a compris les basses vitesses, une augmentation des résistances statoriques et rotoriques sera
provoquée de sorte que chaque paramètre atteigne 200% de sa valeur nominale, la saturation du flux dans
le modèle du moteur va être prise en considération afin de rapprocher au cas réel, la valeur ajoutée par notre
technique sera illustrée par une étude comparative avec une commande VGB qui se base sur une estimation
classique 1 du flux sans adaptation des résistances. Afin d’avoir une tension d’alimentation meilleure,
le contrôle global sera optimisé par une commande MLI-Vectorielle (SVM) de l’onduleur avec un bus continu
de 600𝑉𝑉, le principe de fonctionnement de cette stratégie a été bien détaillé dans (Khlaief, 12). Les paramètres
de la commande ainsi de l’observateur sont donnés dans le tableau (III.1), la méthode de Runge-Kutta (ode4)
sera adoptée pour la résolution des équations dynamiques en utilisant un pas de calcul de 25μ𝑠𝑠.
Contrôle « VGB » Estimateur de « 𝐑𝐑 𝐬𝐬 » Estimateur de « 𝐑𝐑 𝐫𝐫 »

Régulateur de vitesse : Gains d’observateur Gains d’observateur
k Ω_Max = 415 ; 𝜇𝜇 = 65% λ1s
= 75 λ1r = 120
LΩ_Max = 60 ; 𝒳𝒳Max = 1 λ2 = −0.75 ; λs3 = −0.75
s
λr2 = 1.5 ; λr3 = 1.5
Régulateur de flux : Mécanisme d’adaptation Mécanisme d’adaptation
k 𝜓𝜓 = 250 ; L𝜓𝜓 = 21 𝑘𝑘𝑝𝑝𝑠𝑠 = 10.5 ; 𝑘𝑘𝑖𝑖𝑠𝑠 = 525 . 103 𝑘𝑘𝑝𝑝𝑟𝑟 = 1.0 ; 𝑘𝑘𝑖𝑖𝑟𝑟 = 600
Régulateurs de courant : Paramètres du filtrage Paramètres du filtrage
k p_c = 15.21 ; k a_c = 1.5 Filtre passe-bas d’une constante Filtre passe-bas d’une constante
k i_c = 4235.3 ; k r_c = 1.18 de temps : « 1⁄𝑓𝑓𝑐𝑐_𝑠𝑠 = 0.0055 » de temps : « 1⁄𝑓𝑓𝑐𝑐_𝑟𝑟 = 0.0005 »
Tableau III.1 : La configuration adoptée pour la commande VGB et l’observateur linéaire interconnecté
1 L’estimation classique signifie que la composante directe du flux rotorique sera déterminée à l’aide de l’équation (III.1) sans tenir
compte de l’adaptation de la résistance du rotor.
- 66 -
Les figures ci-dessous illustrent l’impact de la variation paramétrique sur les grandeurs fondamentales
du moteur asynchrone contrôlé par la technique VGB avec l’intégration de la régulation du flux rotorique.
Ω * 6

120 m idq*
Ω 4 idq
Vitesse (rad / s)
m
T
L 2
50
0
-2
0
-10
-4
-30
0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8 8
Temps (s)

6
136 120 4
Vitesse (rad / s)
2
75
0
120
-2
30
-4
-10 -6
100
-30 -8
1.3 1.6 2 2.3 2.3 2.41 2.52 2.63 0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8
40 5 |eΩ | 5 I RMS
| Ω m* - Ω m | (rad / s)
Courant [ RMS ] (A)
4
30 4
3
2 3
20
1
2
0
10
0.1 0.5 0.9 1.2 1.6 1
0 0
0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8 0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8
Temps (s) Temps (s)
21 8
Te * Te
14 6
4
Couple (N.m)
7
2
0 0
-2
-7
-4
-14 -6
-21 -8
0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8 0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8
Temps (s) Temps (s)
100
0.3 |e Ψ|
Flux rotorique ( Wb )
0.2 80
| Ψr * - Ψr | ( % )
0.1
60
0
-0.1 40
-0.2
Ψr* Ψdr Ψqr 20
-0.3
0
0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8 0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8
Temps (s) Temps (s)
Figure III.2 : Performances de la commande VGB avec régulation du flux sans adaptation paramétrique
- 67 -
Les figures (III.3) et (III.4) présentent les performances du contrôle VGB qui adopte l’adaptation
paramétrique dans le cas d’une variation séquentielle des résistances du stator et du rotor.
120 5
Ω * idq* idq

m
4
Ω
Vitesse (rad / s)
m 3
T
L 2
50 1
0
0 -1
-10 -2
0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8
Temps (s)

6
121 120 4
Vitesse (rad / s)
120 55 0
-2
-4
119 -10
1.3 1.6 2 2.3 2.3 2.4 2.5 0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8
5
|e | I RMS
Ω
4
| Ω * - Ω m | (rad / s)
Courant [ RMS ] (A)
4
3
3
2
2
1 1
0 0
0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8 0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8
Temps (s) Temps (s)
8
14 Te * Te
6
10.5 4
Couple (N.m)
7 2
3.5 0
0 -2
-3.5 -4
-7 -6
-10.5 -8
0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8 0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8
Temps (s) Temps (s)
0.25 Ψ* Ψdr Ψ 100 |e Ψ|

r qr
0.2 10
| Ψ * - Ψr | ( % )
80
8
0.15
60 6
0.1 4
40 2
0.05
0
0 20
-0.05 0
0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8 0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8
Temps (s) Temps (s)
Figure III.3 : Performance de la commande VGB optimisée par l’adaptation paramétrique
- 68 -
Rs Réelle Rs 0.25 Ψdr - obs Ψqr - obs

Estimée
Rs / Rs Nominale
Flux observé ( Wb )
2 0.2
0.15
0.1
1 0.05
Rr Rr 0
Réelle Estimée
Rr / Rr Nominale
2 -0.05
0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8
-3
Temps (s)
x 10
3 ε ε Ψ - qr
Ψ - dr
1
[ Ψ r - Ψ r - obs ] ( Wb )
6 ε Rs ε Rr 1.5
Erreur ( % )
3
0 0
-3
-6 -1.5
0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8 0.1 0.5 0.9 1.2 1.6 2 2.3 2.8 3.2 3.5 3.8
Temps (s) Temps (s)
Figure III.4 : Evolution des grandeurs observées
Discussion
La commande VGB optimisée a été testée dans une trajectoire qui regroupe différentes zones de
fonctionnement à la présence d’une perturbation extérieure de 6.9 N. m, les flux du moteur (du stator et
du rotor) ont été limités à une valeur de 120% de leurs valeurs nominales approximatives pour prendre
en compte l’effet de saturation des circuits magnétiques, alors que la valeur de référence adoptée pour le flux
du rotor sera fixée à 0.2 Wb, nous avons provoqué également une augmentation de 200% des résistances
statoriques et rotoriques respectivement aux instants 0.5𝑠𝑠 et 0.9𝑠𝑠, la raison principale de la séparation
des moments de variation dans les résistances est d’approcher au cas pratique où les enroulements rotoriques
peuvent être soumis à plus de conditions d’échauffement par rapport aux enroulements statoriques, toutes ces
conditions peuvent illustrer les véritables performances des techniques du contrôle en présence de
perturbations structurelles non définies.
La figure (III.2) montre les performances de la commande VGB sans adaptation paramétrique en utilisant
une régulation classique du flux, on peut constater une dégradation considérable de la qualité du contrôle de
toutes les chaines de régulation, si on commence par l’analyse de l’évolution de la vitesse de rotation, on ne
peut pas accepter un tel régime transitoire, le régulateur de vitesse n’a pas pu maintenir la stabilité du contrôle
âpre l’élimination du couple de charge appliqué, les vibrations provoquées sont principalement dues à une
mauvaise régulation des autres grandeurs de commande, en particulier les courants du stator et le flux du rotor,
cela a rendu la commande VGB incapable de fournir une tension de commande compatible avec la fréquence
de commande pour assurer la stabilité du contrôle. L’une des raisons essentielles de cette faible performance
est la qualité de régulation du vecteur flux, la composante directe n’a pas plus maintenu à la valeur de référence
imposée, tandis que la composante quadrature présente une valeur moyenne non nulle, cette mauvaise
orientation du flux signifie que le couple électromagnétique ne dépend plus uniquement de la composante
directe du flux, entraînant ainsi la détérioration du principe de la commande vectorielle. Ce problème a causé
une erreur de régulation de 40% par rapport au flux rotorique avec une surintensité considérable du courant
dans le cas du freinage. De là, on peut dire que l’augmentation de la résistance du rotor ne peut pas influencer
que la détermination de la pulsation de glissement qui assure l’orientation du vecteur flux, mais elle peut aussi
- 69 -
fausser la régulation du flux rotorique, par conséquent, nous pouvons considérer que la commande VGB avec
la régulation du flux est très fragile face à la variation de la résistance rotorique.
D’un autre côté, l’utilisation d’un observateur interconnecté pour l’observation du flux et l’adaptation de la
résistance rotorique peut améliorer considérablement la commande du MAS devant les variations structurelles,
la figure (III.3) montre un fonctionnement remarquable de la commande VGB avec adaptations paramétriques,
la variation des deux résistances en même temps n’a pas affecté ni la commande de différentes grandeurs
à contrôler, ni l’observation des résistances et du flux rotorique, le contrôle de la vitesse présente une rapidité
et une stabilité impeccables avec une haute capacité de rejet de perturbations, garantissant ainsi une erreur de
régulation très faible. Contrairement au cas précédent, les courants statoriques sont parfaitement contrôlés,
ce qui assure que la valeur du courant réel reste dans la marge supportée par le moteur, l’orientation du flux a
été exécutée d’une manière très précise où la composante directe a été maintenue à la valeur de référence,
tandis que la composante quadrature est restée pratiquement nulle, ce qui justifie la qualité du contrôle par
rapport au couple électromagnétique qui suit sa référence avec une variation limitée. Cette haute performance
n’aurait pas été obtenue sans l’utilisation de l’observateur interconnecté qui a été en mesure d’estimer
simultanément les deux résistances et fournit une information instantanée sur le flux rotorique, l’évolution des
grandeurs observées est présentée dans la figure (III.4), il est remarquable que cet observateur présente une
stabilité intéressante vue que chaque partie de l’observateur peut compenser l’incertitude paramétrique
de l’autre, assurant une estimation simultanée très précise des deux résistances dans les différentes zones de
fonctionnement de la machine, cette estimation n’améliore pas que la robustesse par rapport à la variation
paramétrique, mais elle fournit également un flux rotorique capable de garantir l’optimisation de la commande
globale des moteurs asynchrones triphasés.
4 - Conclusion
Dans ce chapitre, nous nous sommes intéressés à l’amélioration des performances de la commande VGB
en incorporant une régulation du flux afin d’assurer la génération d’une tension de commande optimale,
en revanche, cette modification a rendu l’algorithme de contrôle dépend plus à la résistance du rotor,
la présence d’une incertitude au niveau de ce paramètre peut affecter négativement la qualité du contrôle dans
certaines conditions de fonctionnement, pour cela, nous avons développé une nouvelle méthode
d’identification des résistances des deux parties du moteur. Bien que la commande VGB soit extrêmement
robuste devant la résistance statorique, une augmentation dans ce paramètre affect considérablement
les performances d’observation de la résistance rotorique, signifiant une mauvaise adaptation de la commande
globale, la solution proposée est de faire une estimation simultanée des résistances statoriques et rotoriques,
les valeurs instantanées des deux paramètres ont été générées à l’aide d’un nouvel observateur linéaire
interconnecté, ce dernier permet de fournir une information sur la résistance rotorique pour garantir
l’adaptation du contrôle, ensuite, cette valeur servira à maintenir les hautes performances en estimant
la résistance du stator pour renforcer l’observation de la résistance du rotor, la stabilité asymptotique des deux
parties de l’observateur a été assurée à l’aide du théorème de Lyapunov, alors que la validation de l’étude
analytique a été effectuée par une simulation numérique en tenant compte des différentes conditions
opérationnelles pratiques. Les résultats obtenus ont été très intéressants notamment en matière de robustesse,
alors que l’observateur élaboré a été en mesure du maintien les performances du contrôle dans les différentes
zones de fonctionnement même à la présence d’une variation simultanée au niveau des deux résistances
de la machine.
Dans un autre contexte, on peut dire que ce chapitre fournit une introduction au chapitre suivant qui traite
l’un des objectifs principaux de cette thèse, à savoir l’élimination du capteur de vitesse, l’estimation de
la vitesse sera effectuée en adoptant plusieurs approches déterministes et stochastiques afin de réaliser
une commande Backstepping à gains variable sans capteur mécanique.
- 70 -
IV
Techniques avancées pour
l’observation de vitesse d’un
CHAPITRE moteur asynchrone triphasé
P Pour un objectif de réduction du coût des installations industrielles nécessitant une application à vitesse
xxxxxx variable, il est important de minimiser le nombre de capteurs utilisés, le capteur de vitesse, non
seulement augmente l’encombrement du montage (chemins de câbles, entretien, couplage mécanique, etc.),
mais il entraîne également un surcoût susceptible d’être important que celui du moteur asynchrone triphasé
lui-même, notamment pour les faibles puissances (Pacas, 11), à ce fait, il est nécessaire de développer d’autres
moyens capables de fournir l’information sur la vitesse de rotation qui est indispensable pour la régulation des
différentes grandeurs à contrôler. L’utilisation des capteurs logiciels ou des observateurs peut être une solution
idéale pour remplacer les capteurs physiques, son principe de fonctionnement consiste à reconstruire les états
de la machine à partir de la mesure des quantités électriques du stator, les variables estimées doivent converger
vers les états réels qui constituent un vecteur qui est complètement ou partiellement mesurable, cette condition
peut être réalisée en basant sur une loi de commande développée selon les différents critères de stabilité, tels
que la méthode de Lyapunov (Kubota, 93), critère de Routh-Hurwitz (Rashed, 05) ou celui de l’hyperstabilité
de Popov (Schauder, 92). Par ailleurs, le nombre important de travaux publiés concernant l’estimation de
la vitesse et les différentes grandeurs inaccessibles comme les flux, les perturbations extérieures,
les paramètres de la machine, entre autres, confirme l’importance de ces techniques dans le domaine des
entrainements électriques, plusieurs classes d’estimateurs sont présentées dans la littérature, les méthodes
déterministes comme celles de Luenberger ou de Gopinath sont des observateurs qui adoptent principalement
le modèle dynamique de la machine, à cause de la non-linéarité présentée dans le modèle du MAS, l’estimation
de la vitesse est effectuée essentiellement à l’aide d’un mécanisme d’adaptation qui assure la stabilité globale
de l’observateur, comme dans le cas de (Stoicuta, 09 ; Jouili, 12). En revanche, les performances obtenues à
travers l’utilisation du filtre de Kalman pour la prédiction des états du moteur asynchrone, ont attiré l’attention
de nombreux chercheurs qui sont développés plusieurs algorithmes sophistiqués relative à cette méthode
d’estimation (Hilairet, 09 ; Lalami, 12 ; Basha, 19). Dans un autre contexte, l’observabilité de la machine
asynchrone a été largement étudiée ces dernières années (Ghanes, 05 ; Koteich, 16 ; Horch, 18), les différentes
méthodes d’observation sont généralement testées dans la zone des hautes et des moyennes vitesses, en effet,
il est compliqué de prendre en compte les problèmes de l’inobservabilité de la machine, les techniques
d’estimation basées sur l’injection des signaux de haute fréquence sont récemment utilisées, en particulier dans
les applications à très faible vitesse (Liu, 05), elles sont très intéressantes en raison de leur indépendance par
rapport au modèle dynamique du moteur, ces méthodes exploitent les harmoniques d’encoche présentées dans
les courants statoriques et l’inductance de fuite pour extraire une information sur la position du rotor,
les signaux peuvent être injectés de plusieurs manières afin de déterminer la vitesse mécanique et d’assurer
ensuite, une commande sans capteur avec une bonne stabilité même pour une fréquence nulle (Xu, 18).
Dans ce chapitre, nous nous intéressons au développement des techniques d’estimation pour la vitesse
mécanique et le flux rotorique d’un MAS, cela est dans le but de réaliser un contrôle robuste sans capteur
mécanique, on va commencer l’étude par un observateur adaptatif caractérisé par un mécanisme d’adaptation
flou, ensuite, trois méthodes d’estimation différentes qui se basent sur la théorie du mode glissant, seront
attentivement étudiées, finalement, le filtre de Kalman étendu sera adopté pour l’identification de la vitesse
rotorique, une version simplifiée sera élaborée en utilisant un modèle d’ordre réduit, ce dernier permet de
surmonter les obstacles associés à discrétisation du modèle de la machine, l’efficacité de chaque estimateur
sera vérifiée par simulation numérique, dont les résultats seront analysés et discutés d’une manière très précise.
De plus, la qualité de l’observation sera mise en évidence par une étude comparative que nous avons réalisée
sur la base de plusieurs indices, ce qui permet de clarifier les avantages et les inconvénients de chaque
technique élaborée, les conclusions et contributions les plus importantes seront résumées à la fin de ce chapitre.
- 71 -
Chapitre 4 : Techniques avancées pour l’observation de vitesse d’un moteur asynchrone triphasé
1 - Observateur adaptatif-flou (FAO)

On peut classer l’observateur actuel dans la catégorie des observateurs adaptatifs déterministes
(Kubota, 93 ; Stoicuta, 09 ; Gadoue, 10 ; Jouili, 12), il est capable de reconstruire l’état d’un système
observable en basant sur la mesure de ses entrées et ses sorties, à condition que celles-ci soient parfaitement
connues, dans le cas où une partie du vecteur d’état du système ne peut pas être mesurée, le présent observateur
permet l’estimation des variables difficiles à mesurer, l’application de cette méthode sur le moteur asynchrone
considère les tensions d’alimentation comme des entrées et les courants statoriques comme des sorties
mesurées, ces derniers formant le vecteur d’état avec les composantes du flux rotorique qui représente une
quantité complètement indéterminée, d’un autre côté, la variable essentielle à estimer « Ωm » intervient d’une
façon non linéaire dans la dynamique des variables à observer, ce qui exige un mécanisme d’adaptation
performant capable de fournir une information équivalente pour compenser la non-linéarité non spécifique.
Si les courants observés « 𝚤𝚤̇̂𝛼𝛼,𝛽𝛽 » convergent vers les courants mesurés « 𝑖𝑖𝛼𝛼,𝛽𝛽 », l’information délivrée par le
mécanisme d’adaptation sera considérée égale à la vitesse réelle, qui ne sera plus utilisée dans l’algorithme de
la commande VGB, ce qui permet le développement d’une commande performante sans capteur mécanique.
Dans ce contexte, on va dire que cet observateur représente une version modifiée de l’observateur de
Luenberger adaptatif (Kubota, 93 ; Kubota, 94), l’utilisation d’un mécanisme d’adaptation qui se base sur
la théorie de la logique floue, pourrait améliorer considérablement la qualité de l’observation du courant,
du flux ainsi que de la vitesse mécanique (Szabat, 15), ce qui permet également d’optimiser les performances
du contrôle global. Nous présentons d’abord la représentation d’état décrivant les dynamiques du moteur dans
un référentiel stationnaire « 𝛼𝛼 − 𝛽𝛽 » par :
𝑖𝑖𝛼𝛼𝛼𝛼 −α1 0 Γ. α2 α2 . ωm 𝑖𝑖𝛼𝛼𝛼𝛼 β 0
⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
𝑑𝑑 ⎢ 𝑖𝑖𝛽𝛽𝛽𝛽 ⎥ ⎢ 0 −α1 −α2 . ωm Γ. α2 ⎥ ⎢ 𝑖𝑖𝛽𝛽𝛽𝛽 ⎥ ⎢ 0 β ⎥ 𝑣𝑣𝛼𝛼𝛼𝛼
⎢ ⎥=⎢ ⎥.⎢ ⎥+⎢ ⎥.� � (IV.1)
𝑑𝑑𝑑𝑑 ⎢ 𝜓𝜓𝛼𝛼𝛼𝛼 ⎥ ⎢ M. Γ 0 −Γ −ωm ⎥ ⎢ 𝜓𝜓𝛼𝛼𝛼𝛼 ⎥ ⎢ 0 0 ⎥ 𝑣𝑣𝛽𝛽𝛽𝛽
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ 𝜓𝜓𝛽𝛽𝑟𝑟 ⎦ ⎣ 0 M. Γ ωm −Γ ⎦ ⎣ 𝜓𝜓𝛽𝛽𝑟𝑟 ⎦ ⎣ 0 0⎦
M2 M 1 M2 Lr 1
Rappelons que : α1 = β. �R s + � ; α2 = β. ; β = ; δ=1−� � ; τr = ; Γ=
1.1 - Conception d’un observateur des courants et du flux

La vitesse mécanique « Ωm = ωm ⁄𝑝𝑝 » sera estimée en utilisant la représentation d’état écrite par (IV.1),
les courants statoriques « 𝑖𝑖𝛼𝛼𝛼𝛼 , 𝑖𝑖𝛽𝛽𝛽𝛽 » et les composantes du flux rotorique « 𝜓𝜓𝛼𝛼𝛼𝛼 , 𝜓𝜓𝛽𝛽𝛽𝛽 » sont les variables d’état,
les tensions « 𝑣𝑣𝛼𝛼𝛼𝛼 , 𝑣𝑣𝛽𝛽𝛽𝛽 » sont les grandeurs de commande, alors que la matrice de sortie contient les courants
statoriques qui sont considérés parfaitement mesurés.
𝑑𝑑
𝑥𝑥 = A . 𝑥𝑥 + B . 𝑢𝑢
𝑆𝑆𝑆𝑆𝑆𝑆 � 𝑑𝑑𝑑𝑑 (IV.2)
𝑦𝑦 = C . 𝑥𝑥
Avec :
𝑖𝑖𝛼𝛼𝛼𝛼 −α1 0 Γ. α2 α2 . ωm β 0
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 𝑖𝑖𝛽𝛽𝛽𝛽 ⎥ ⎢ 0 −α1 −α2 . ωm Γ. α2 ⎥ ⎢0 β⎥ 1 0 0 0 𝑣𝑣𝛼𝛼𝑠𝑠
𝑥𝑥 = ⎢ ⎥ ; A=⎢ ⎥ ; B=⎢ ⎥ ; C=� � ; 𝑢𝑢 = � �
⎢ 𝜓𝜓𝛼𝛼𝛼𝛼 ⎥ ⎢ M. Γ 0 −Γ −ωm ⎥ ⎢0 0⎥ 0 1 0 0 𝑣𝑣𝛽𝛽𝑠𝑠
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ 𝜓𝜓𝛽𝛽𝑟𝑟 ⎦ ⎣ 0 M. Γ ωm −Γ ⎦ ⎣0 0⎦
Le modèle mathématique d’un observateur déterministe prendre la même forme du système réel, mais il est
accompagné par des termes de correction dépend directement des erreurs d’observation « 𝜀𝜀𝑥𝑥 », la partie
corrective permet la compensation de la non-linéarité indéterminée du modèle, ainsi qu’elle peut assurer
- 72 -
la convergence des valeurs observées vers les grandeurs mesurées, la représentation d’états du présent
observateur est donnée comme suit :
𝑑𝑑
� . 𝑥𝑥� + B . 𝑢𝑢 + L . C . 𝜀𝜀𝑥𝑥
𝑥𝑥� = A
𝑂𝑂𝑂𝑂𝑂𝑂 � 𝑑𝑑𝑑𝑑 (IV.3)
𝑦𝑦� = C . 𝑥𝑥�
𝚤𝚤̇̂ −α1 0 Γ. α2 α2 . ω
�m 𝑙𝑙1 𝑙𝑙2 𝑖𝑖 − 𝚤𝚤̇̂𝛼𝛼𝑠𝑠
⎡ 𝛼𝛼𝑠𝑠 ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ 𝛼𝛼𝑠𝑠 ⎤
⎢ 𝚤𝚤̇̂𝛽𝛽𝑠𝑠 ⎥ ⎢ 0 −α1 −α2 . ω
�m Γ. α2 ⎥ ⎢ 𝑙𝑙2 𝑙𝑙1 ⎥ ⎢ 𝑖𝑖𝛽𝛽𝑠𝑠 − 𝚤𝚤̇̂𝛽𝛽𝑠𝑠 ⎥
𝑥𝑥� = ⎢ �=⎢
⎥;A ⎥ ; L=⎢ ⎥ ; 𝜀𝜀𝑥𝑥 = ⎢ ⎥
⎢ 𝜓𝜓�𝛼𝛼𝑟𝑟 ⎥ ⎢ M. Γ 0 −Γ −ω
�m ⎥ ⎢ 𝑙𝑙3 𝑙𝑙4 ⎥ ⎢ 𝜓𝜓𝛼𝛼𝑟𝑟 − 𝜓𝜓�𝛼𝛼𝑟𝑟 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
�
𝜓𝜓
⎣ 𝛽𝛽𝑟𝑟 ⎦ ⎣ 0 M. Γ ω
�m −Γ ⎦ ⎣ 𝑙𝑙4 𝑙𝑙3 ⎦ ⎣ 𝜓𝜓𝛽𝛽𝑟𝑟 − 𝜓𝜓�𝛽𝛽𝑟𝑟 ⎦
« 𝑥𝑥� » représente la matrice des variables d’état observées, « 𝑦𝑦� » est la matrice de sortie des grandeurs
observées, « A � = 𝑓𝑓(ω
� m ) » exprime la matrice d’état du modèle de l’observateur des courants et des flux
en fonction de la vitesse électrique observée « ω � m », « 𝜀𝜀𝑥𝑥 = 𝑥𝑥 − 𝑥𝑥� » définit l’erreur d’observation entre
les variables d’état réelles et celles observées, tandis que « L » représente la matrice de correction, où « 𝑙𝑙 1… 4 »
sont des constantes qui seront identifiées simultanément avec la détermination du mécanisme d’adaptation qui
assure la stabilité asymptotique de l’ensemble de l’observateur.
1.2 - Détermination de l’expression de la vitesse observée

Le mécanisme d’adaptation peut être réalisé en utilisant le théorème de stabilité de Lyapunov à travers
lequel, la fonction imposée doit être en fonction de l’erreur d’observation « 𝜀𝜀𝑥𝑥 », ce vecteur est constitué des
erreurs d’observation du courant statorique et du flux rotorique, sachant que les composantes du vecteur flux
sont des quantités inaccessibles, on peut avoir un manque d’information dans le cas de présence de ses erreurs
au niveau du mécanisme d’adaptation de la vitesse, pour contourner ce problème, on va définir une variable
auxiliaire de l’erreur d’observation comme suit :
ℰ̃ = 𝑦𝑦 − 𝑦𝑦�
(IV.4)
𝑑𝑑 𝑑𝑑 𝑑𝑑
ℰ̃ = C . � 𝑥𝑥 − 𝑥𝑥� �
Par l’utilisation des équations (IV.2) et (IV.3), la dynamique de la variable « ℰ̃ » sera exprimée par :
𝑑𝑑
ℰ̃ = C . �Ä̈ . 𝑥𝑥 − A
� . 𝑥𝑥� − L . C . 𝜀𝜀𝑥𝑥 � (IV.5)
𝑑𝑑𝑑𝑑
Nous pouvons ignorer la dynamique des paramètres de la machine si on considère que leur variation est
trop lente par rapport à celle de la vitesse, pour cela, l’erreur d’estimation de la vitesse sera définie par :
∆ωm = ωm − ω
�m (IV.6)
Par conséquent, l’écart entre les matrices d’états des deux systèmes (IV.2) et (IV.3) s’exprime par :
0 −1 0(2×2) −α2 . 𝐽𝐽
∀ 𝐽𝐽 = � �, � = ∆ωm . �
∆A = A − A � = ∆ωm . 𝒲𝒲 (IV.7)
1 0 0(2×2) 𝐽𝐽
En basant sur la relation (IV.5), l’expression finale qui définit la dynamique du paramètre « ℰ̃ » est donnée
par l’équation (IV.8).
𝑑𝑑 �̈ . 𝑥𝑥 − A . 𝑥𝑥� + ∆A . 𝑥𝑥� − L . C . 𝜀𝜀 �
ℰ̃ = C . �A 𝑥𝑥
𝑑𝑑𝑑𝑑 (IV.8)
= C . ��Ä − L . C�. 𝜀𝜀 + ∆̇̇ ω . 𝒲𝒲. 𝑥𝑥��
𝑥𝑥 m
- 73 -
Afin d’assurer que le zéro représente un point d’équilibre pour le paramètre « ℰ̃ », la fonction candidate
de Lyapunov sera imposée de la forme suivante :
1 1 2
∀ � ℰ̃ ≠ 0 ; 𝜆𝜆1 > 0 � , 𝒱𝒱1 = . �ℰ̃ 𝑇𝑇 . ℰ̃ + . �∆̈ωm � � (IV.9)
2 𝜆𝜆1
La dérivée temporelle de cette fonction de Lyapunov peut être exprimée par (IV.10).
𝑑𝑑 𝑑𝑑ℰ̃ 1 𝑑𝑑
𝒱𝒱1 = ℰ̃ 𝑇𝑇 . + . ∆ωm . � ∆ωm � (IV.10)
𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 𝜆𝜆1 𝑑𝑑𝑑𝑑
Une hypothèse indispensable doit être envisagée afin d’aboutir à l’équation de l’erreur équivalente qui
permet de déduire la vitesse estimée, pratiquement, il est valable de négliger la dynamique de la vitesse
réelle « ωm » devant la dynamique de la grandeur estimée « ω
� m », cette considération permet d’écrire :
𝑑𝑑 � 1 𝑑𝑑
𝒱𝒱1 = ℰ̃ 𝑇𝑇 . �C� . ��Ä − L . C�. 𝜀𝜀𝑥𝑥 + ∆�̇ ωm . 𝒲𝒲. 𝑥𝑥�� − . ∆ωm . � ω � �
𝑑𝑑𝑑𝑑 𝜆𝜆1 𝑑𝑑𝑑𝑑 m
(IV.11)
� 1 𝑑𝑑
= �ℰ̃ 𝑇𝑇� . Ċ̇ . �Ä − L . C�. 𝜀𝜀𝑥𝑥 � + �∆ωm . ℰ̃ 𝑇𝑇 . C . 𝒲𝒲. 𝑥𝑥� − . ∆ωm . � ω � ��
𝜆𝜆1 𝑑𝑑𝑑𝑑 m
L’expression de la vitesse estimée sera extraite en éliminant le deuxième terme de l’équation (IV.11),
le signe de la dérivée de la fonction de Lyapunov ne sera lié qu’au premier terme, cela conduit aux deux
conditions de stabilité données par (IV.12) et (IV.13), nous pouvons d’abord écrire :
1 𝑑𝑑
∆ωm . ℰ̃ 𝑇𝑇 . C . 𝒲𝒲. 𝑥𝑥� − . ∆ωm . � ω � �=0
𝑑𝑑
� = 𝜆𝜆1 . ℰ̃ 𝑇𝑇 . C . 𝒲𝒲. 𝑥𝑥�
ω (IV.12)
𝑑𝑑𝑑𝑑 m
� m = 𝜆𝜆1 . α2 . � ��𝑖𝑖𝛼𝛼𝑠𝑠 − 𝚤𝚤̇̂𝛼𝛼𝑠𝑠 �. 𝜓𝜓�𝛽𝛽𝑟𝑟 − �𝑖𝑖𝛽𝛽𝑠𝑠 − 𝚤𝚤̇̂𝛽𝛽𝑠𝑠 �. 𝜓𝜓�𝛼𝛼𝑟𝑟 � . 𝑑𝑑𝑑𝑑

ω
La deuxième condition de stabilité consiste à assurer que la fonction de Lyapunov et sa dérivée sont de
signe opposé quel que soit le temps, c’est pourquoi le premier terme de (IV.11) doit être défini semi-négative.
ℰ̃ 𝑇𝑇 . C . �A
� − L . C�. 𝜀𝜀𝑥𝑥 ≤ 0
� − C T . C . L . C�. 𝜀𝜀𝑥𝑥 ≤ 0
𝜀𝜀𝑥𝑥𝑇𝑇 . �C T . C . A
(IV.13)
−α1 . 𝐼𝐼 α2 . ( Γ. 𝐼𝐼 − ωm . 𝐽𝐽 ) 𝑙𝑙1 . 𝐼𝐼 + 𝑙𝑙2 . | 𝐽𝐽 | 0(2×2)
𝜀𝜀𝑥𝑥𝑇𝑇 . � � �−� � � . 𝜀𝜀𝑥𝑥 ≤ 0
0(2×2) 0(2×2) 0(2×2) 0(2×2)
Sachant que le flux rotorique représente une quantité limitée dont sa valeur maximale est la valeur de
saturation (Marino, 95), ses erreurs d’observation peuvent également être considérées bornées et relativement
faibles par rapport aux celles du courant, à ce fait, le gain « 𝑙𝑙1 » doit être sélectionné supérieur à « −α1 », tandis
que « 𝑙𝑙2 » doit être nul, ces deux choix garantissent la stabilité asymptotique de l’observateur, alors que « 𝑙𝑙3 »
et « 𝑙𝑙4 » peuvent être des coefficients d’ajustement qui doivent fixer à une valeur très faible ou nulle vue qu’ils
sont liés à la dynamique des composantes du flux rotorique observé.
1.3 - Synthèse d’un mécanisme d’adaptation basé sur la logique floue

Le mécanisme d’adaptation est un terme très courant pour les observateurs reposant sur un modèle, il est
généralement conçu conformément selon des concepts de stabilité, tels que de Lyapunov ou de Popov, pour
assurer la convergence asymptotique des erreurs d’observation vers le zéro, cependant, cette convergence
dépend principalement des performances du contrôleur utilisé dans le mécanisme d’adaptation, le plus
fréquemment utilisé est le correcteur Proportionnel-Intégral, car la vitesse estimée correspond à un intégral
- 74 -
d’un produit vectoriel d’un vecteur d’erreur avec un autre d’observation comme le montre l’expression (IV.12),
l’action proportionnelle a été ajoutée afin de donner une certaine rapidité et d’accélérer la convergence,
dans le cas de notre observateur, on va définir le signal de réglage comme suit :
𝛿𝛿𝜔𝜔𝑚𝑚 = 𝜀𝜀𝑖𝑖𝑖𝑖 . 𝜓𝜓�𝛽𝛽𝑟𝑟 − 𝜀𝜀𝑖𝑖𝑖𝑖 . 𝜓𝜓�𝛼𝛼𝑟𝑟 (IV.14)
La théorie de la logique floue a été largement exploitée pour concevoir les mécanismes d’adaptation des
observateurs (Gadoue, 10 ; Ben Regaya, 14a ; Holakooie, 16), l’avantage de ce type de contrôleur est qu’il ne
dépend pas fondamentalement d’une expression mathématique précise, ce qui permet de gérer certains types
de perturbations et d’incertitudes dans le modèle à observer, ce qui le rend très adapté aux systèmes complexes.
Le mécanisme d’adaptation de l’observateur actuel sera basé sur un régulateur flou à 9 règles logiques,
le paramètre du contrôle « 𝛿𝛿𝜔𝜔𝑚𝑚 » et sa dynamique « ∆𝛿𝛿𝜔𝜔𝑚𝑚 = 𝛿𝛿𝜔𝜔𝑚𝑚 (𝑘𝑘) − 𝛿𝛿𝜔𝜔𝑚𝑚 (𝑘𝑘 − 1) » seront choisis comme
des variables d’entrées, tandis que la sortie représente la décision du contrôleur ; chacune des entrées et de
sortie sont basées sur trois ensembles flous, qui seront utilisés pour convertir les variables numériques en
variables linguistiques, telles que : ‘ Négatif ’, ‘ Zéro ’ et ‘ Positive ’ en basant sur une série de règles qui sont
résumés dans le tableau (IV.1), les fonctions d’appartenance sont les mêmes pour les variables d’entrées et
de sortie avec des formes triangulaires et trapézoïdales comme il est illustré dans la figure (IV.1), la qualité du
réglage ne dépend pas seulement des règles floues, mais également aux coefficients d’ajustement « 𝑘𝑘𝑒𝑒 »
et « 𝑘𝑘𝑑𝑑𝑑𝑑 » à travers lesquels, les variables d’entrées et de sortie sont normalisées ; l’emplacement de ces gains
est montré dans la figure (IV.3), il convient de motionner que dans (Ben Regaya, 14a), un simple algorithme
a été proposé pour approximer les valeurs optimales de ces coefficients de normalisation. La méthode
de défuzzification utilisée est celle du centre de gravité, alors que la méthode d’inférence de Mamdani
(Mamdani, 75) présente un bon choix pour avoir un signal de sortie meilleur du régulateur flou dans lequel,
sa surface caractéristique est représentée dans la figure (IV.2).
Degré d'appartenance
Négatif Zéro Positif Négatif Zéro Positif Négatif Zéro Positif

1
0.5
0
-1 -0.5 -0.25 0 0.25 0.5 1 -1 -0.5 -0.25 0 0.25 0.5 1 -1 -0.5 -0.25 0 0.25 0.5 1
Entrée « 𝛿𝛿𝜔𝜔𝑚𝑚 » Entrée « ∆𝛿𝛿𝜔𝜔𝑚𝑚 » Sortie

Figure IV.1 : Fonctions d’appartenance des entrées et de sortie du contrôleur flou à 9 règles
1
0.5
Contrôle
0
-0.5
1
1 1
0.5 0.5
0 0
𝜹𝜹𝝎𝝎𝒎𝒎 -0,5 -0.5 ∆𝜹𝜹𝝎𝝎𝒎𝒎
-1 -1
Figure IV.2 : Surface caractéristique du régulateur flou utilisé dans le mécanisme d’adaptation
- 75 -
∆𝜹𝜹𝝎𝝎𝒎𝒎
Négatif Zéro Positif
Négatif Négatif Négatif Zéro
𝜹𝜹𝝎𝝎𝒎𝒎 Zéro Négatif Zéro Positif
Positif Zéro Positif Positif
Tableau IV.1 : Table d’inférence du contrôleur flou adopté dans le mécanisme d’adaptation
Matrice de Correction
Ke Ka
L_1
e_ias Ke Ka
L_2 1 1
Erreur Cmd
Fuzzy Logic
L_3 Kde Controller Ki
1
e_ibs s
L_4 Kde Ki Intégrateur
L.e 1
e_ias
Vabc
Vas Vas
1 Vabc 2 Erreur d'adaptation
Vbs Vbs e_ibs
1
u(1)*u(4)-u(2)*u(3) Fuzzy 1
Ias Ias Fi_ar ^ 3 p
2 Iabc
Fi_ar ^ Wm ^
Ibs Ibs Mécanisme
Iabc Fi_br ^ 4
Fi_br ^ (a_b)/(d_q ) d'adaptation
Wr ^ Fi_r ^ flou
Observateur Fi_ab Fi_r 2
des courants et du flux
Figure IV.3 : Schéma-bloc Simulink de l’observateur FAO proposé pour l’estimation de la vitesse
2 - Estimations basées sur l’approche du mode glissant

En raison de ses avantages et de ses propriétés du réglage connues, il est devenu très courant d’utiliser les
approches du mode glissant pour estimer les différentes variables des systèmes non linéaires, leur principe de
fonctionnement pour l’observation n’est pas si différent de celui décrit dans le ‘Chapitre II’, il se repose sur
une fonction ‘Signe’ pour déterminer si les grandeurs observées et celles mesurées sont proches l’une de
l’autre, alors que la notion du gain intervient principalement pour amplifier ou minimiser les fonctions de
glissement, ce qui permet d’intégrer un poids aux termes de correction selon la nature des grandeurs observées.
Plusieurs structures d’observateur mode glissant ont été proposées dans la littérature (Zhao, 14 ; Wang, 18 ;
Comanescu, 16 ; Zhang, 20 ; Ammar, 20), trois techniques seront présentées dans cette section : le premier
observateur s’appuie essentiellement sur les équations dynamiques du moteur accompagnées par des fonctions
de correction non linéaires, qui sont ajoutées au modèle afin de garantir l’attractivité des états observés vers
les états réels en basant sur les critères d’existence du mode glissant ; la convergence de la vitesse observée
sera assurée en utilisant le théorème de Lyapunov. La deuxième méthode d’estimation considère que le modèle
analytique global du moteur présente une interconnectivité entre deux sous-systèmes différents, le mode
glissant sera intégré dans l’observateur des courants statoriques d’une manière à compenser les termes de
couplages ; si les courants observés sont de la même valeur que les courants réels, les fonctions de glissement
générées seront alors la base d’une simple estimation du flux et de la vitesse mécanique. Le troisième
observateur représente la méthode la plus compliquée car elle combine deux méthodes en même temps,
à travers une double observation du courant (signifiant que deux surfaces de glissement seront produites),
une nouvelle formule pour le flux rotorique sera élaborée, qui sera ensuite exploitée pour générer un
mécanisme d’adaptation capable d’estimer la vitesse en fonction des deux surfaces de glissement générées.
- 76 -
2.1 - Observateur doté des termes de correction discontinus (SMO Type-1)

La manière la plus simple de développer un observateur mode glissant est de reconstruire les états d’un
système à observer en fonction des termes de corrections discontinus en basant sur la technique du contrôle
par mode glissant, étant donné que le moteur asynchrone représente un système non linéaire, un observateur
mode glissant peut s’écrire sous la forme suivante :
𝑑𝑑
𝑥𝑥� = 𝑓𝑓(𝑥𝑥�, 𝜔𝜔
�𝑚𝑚 , 𝑢𝑢) + Λ
𝑂𝑂𝑂𝑂𝑂𝑂 � 𝑑𝑑𝑑𝑑 (IV.15)
𝑦𝑦� = ℎ(𝑥𝑥�)
« 𝑓𝑓 » exprime une fonction non linéaire, « 𝑥𝑥 » et « 𝑥𝑥� » sont les variables d’état du système réel et celles du
système observé, « 𝑢𝑢 » représente la commande, « 𝑦𝑦 » et « 𝑦𝑦� » sont respectivement les sorties du système réel
et de l’observateur, « Λ = 𝐺𝐺. 𝜉𝜉 » représente le terme de correction non linéaire et « 𝜉𝜉 » regroupe les fonctions
de correction de la nature discontinue, alors que « 𝐺𝐺 » représente la matrice des gains permettant d’assurer la
stabilité partielle de l’observateur. À ce stade-là, on peut définir les surfaces de glissement comme suit :
𝒮𝒮𝛼𝛼 𝑖𝑖𝛼𝛼𝑠𝑠 − 𝚤𝚤̇̂𝛼𝛼𝑠𝑠
𝒮𝒮 = � �=� � (IV.16)
𝒮𝒮𝛽𝛽 𝑖𝑖𝛽𝛽𝑠𝑠 − 𝚤𝚤̇̂𝛽𝛽𝑠𝑠
Les éléments des actions correctives seront identifiés par :

Sgn(𝒮𝒮𝛼𝛼 ) Λ𝑖𝑖 𝐺𝐺𝑖𝑖
∀ �𝜉𝜉̇ � = � �, Λ=� �=� � . �𝜉𝜉̇ � (IV.17)
Sgn�𝒮𝒮𝛽𝛽 � Λ𝜓𝜓 𝐺𝐺𝜓𝜓
« �𝐺𝐺𝑖𝑖 , 𝐺𝐺𝜓𝜓 � ∈ ℛ 2×2 » sont les matrices des gains d’observation qui contribueront à assurer la stabilité
de l’observateur, en revanche, pour que les quantités observées convergent asymptotiquement vers les
variables réelles, deux principales conditions doivent être respectées : la première concerne le mode de
convergence dans lequel l’attractivité de la surface de glissement doit être assurée en vérifiant l’inégalité
« 𝒮𝒮. {𝑑𝑑𝑑𝑑 ⁄𝑑𝑑𝑑𝑑} ≤ 0 », la deuxième condition se rapporter au mode de glissement, les actions correctives doivent
intervenir de manière capable à satisfaire la condition de l’invariance exprimée par : « 𝒮𝒮 ≃ 0 ; 𝑑𝑑𝑑𝑑 ⁄𝑑𝑑𝑑𝑑 ≃ 0 ».
2.1.1 - Design de l’observateur des courants statoriques et du flux rotorique

La description mathématique du moteur dans un repaire stationnaire « 𝛼𝛼 − 𝛽𝛽 » décrit par le modèle (IV.1),
sera adoptée pour le développement du présent observateur, nous considérons tout d’abord que la valeur de
la vitesse estimée est similaire à la vitesse réelle, on peut écrire donc les deux représentations d’état (IV.18)
et (IV.19), dont les matrices « A » et « B » sont les mêmes que celles du modèle (IV.2).
𝑑𝑑
𝑆𝑆𝑆𝑆𝑆𝑆 � 𝑥𝑥 = A . 𝑥𝑥 + B . 𝑢𝑢 (IV.18)
𝑑𝑑𝑑𝑑
𝑑𝑑
𝑂𝑂𝑂𝑂𝑂𝑂 � 𝑥𝑥� = A . 𝑥𝑥� + B . 𝑢𝑢 + Λ (IV.19)
𝑑𝑑𝑑𝑑
La différence entre ces deux systèmes peut définir la dynamique de l’erreur d’observation telle que :
𝑑𝑑
∀ �𝜀𝜀 = 𝑥𝑥 − 𝑥𝑥�̇ � , 𝜀𝜀 = A . 𝜀𝜀 − Λ
𝑑𝑑𝑑𝑑
(IV.20)
𝑑𝑑 𝜀𝜀𝑖𝑖 −α1 . 𝐼𝐼 Γ. α2 . 𝐼𝐼 − α2 . ωm . 𝐽𝐽 𝜀𝜀𝑖𝑖 Λ𝑖𝑖
� �=� �.� �−� �
𝑑𝑑𝑑𝑑 𝜀𝜀𝜓𝜓 M. Γ. 𝐼𝐼 −Γ. 𝐼𝐼 + ωm . 𝐽𝐽 𝜀𝜀𝜓𝜓 Λ𝜓𝜓
𝜀𝜀𝑖𝑖𝑖𝑖 𝒮𝒮𝛼𝛼 𝜀𝜀𝜓𝜓𝜓𝜓 1 0 0 −1

Avec : 𝜀𝜀𝑖𝑖 = � 𝜀𝜀 � = � � ; 𝜀𝜀𝜓𝜓 = � 𝜀𝜀 � ; 𝐼𝐼 = � � ; 𝐽𝐽 = � �
𝑖𝑖𝑖𝑖 𝒮𝒮𝛽𝛽 𝜓𝜓𝜓𝜓 0 1 1 0
- 77 -
La stabilité de la première partie de cet observateur sera justifiée sur la base des critères d’existence du
mode glissant, la condition d’attractivité « 𝒮𝒮. {𝑑𝑑𝑑𝑑 ⁄𝑑𝑑𝑑𝑑 } ≤ 0 » sera utilisée pour sélectionner les gains de la
matrice de correction « 𝐺𝐺𝑖𝑖 », tandis que la deuxième matrice « 𝐺𝐺𝜓𝜓 » sera déterminée selon la condition de
l’invariance du mode de glissement. À ce fait, on suppose que la matrice « 𝐺𝐺𝑖𝑖 » va prendre la forme suivante :
𝜌𝜌1 0
𝐺𝐺𝑖𝑖 = � � (IV.21)
0 𝜌𝜌1
On peut écrire donc :
𝑑𝑑 𝒮𝒮𝛼𝛼 −α1 0 𝒮𝒮𝛼𝛼 Γ. α2 α2 . ωm 𝜀𝜀𝜓𝜓𝜓𝜓 𝜌𝜌1 0 Sgn(𝒮𝒮𝛼𝛼 )
� �=� �.� � + � �.� �−� �.� � (IV.22)
𝑑𝑑𝑑𝑑 𝒮𝒮𝛽𝛽 0 −α1 𝒮𝒮𝛽𝛽 −α2 . ωm Γ. α2 𝜀𝜀𝜓𝜓𝜓𝜓 0 𝜌𝜌1 Sgn(𝒮𝒮𝛽𝛽 )
En multipliant le sous-système (IV.22) par la variable de la surface de glissement « 𝒮𝒮 », on obtient :

Γ ωm 𝑑𝑑𝑑𝑑
∀ A0 = � � , 𝒮𝒮 𝑇𝑇 . � � = −α1 . �𝒮𝒮 𝑇𝑇̇ . 𝒮𝒮� + α2 . 𝒮𝒮 𝑇𝑇 . A0 . 𝜀𝜀𝜓𝜓 − 𝒮𝒮 𝑇𝑇 . Λ𝑖𝑖 (IV.23)
−ωm Γ 𝑑𝑑𝑑𝑑
En partant de l’hypothèse pratique que le flux rotorique représente une quantité limitée, on peut également
considérer que la même caractéristique peut s’appliquer aux erreurs d’observation « 𝜀𝜀𝜓𝜓(𝛼𝛼,𝛽𝛽) » (Benchaib, 99),
en revanche, la condition de l’attractivité sera vérifiée si l’équation (IV.23) est définie semi-négative, sachant
que « α1 » est un paramètre purement positif, la relation suivante satisfait la première condition de stabilité.
α2 . 𝒮𝒮 𝑇𝑇 . A0 . 𝜀𝜀𝜓𝜓 − 𝒮𝒮 𝑇𝑇 . Λ𝑖𝑖 ≤ 0
(IV.24)
𝜌𝜌1 . �|𝒮𝒮𝛼𝛼 | +̇ �𝒮𝒮𝛽𝛽 �� ≥ α2 . �𝒮𝒮𝛼𝛼 . �Γ. 𝜀𝜀𝜓𝜓𝜓𝜓 + ωm . 𝜀𝜀𝜓𝜓𝜓𝜓 � + 𝒮𝒮𝛽𝛽 . �Γ. 𝜀𝜀𝜓𝜓𝜓𝜓 − ωm . 𝜀𝜀𝜓𝜓𝜓𝜓 ��
La semi-négativité de la relation (IV.23) qui vérifie la condition d’attractivité, sera fortement validée si on
choisit le paramètre « 𝜌𝜌1 » selon la relation suivante :
α2
𝜌𝜌1 ≥ . �𝒮𝒮𝛼𝛼 . �Γ. 𝜀𝜀𝜓𝜓𝜓𝜓 + ωm . 𝜀𝜀𝜓𝜓𝜓𝜓 � + 𝒮𝒮𝛽𝛽 . �Γ. 𝜀𝜀𝜓𝜓𝜓𝜓 − ωm . 𝜀𝜀𝜓𝜓𝜓𝜓 �� (IV.25)
|𝒮𝒮𝛼𝛼 | + �𝒮𝒮𝛽𝛽 �
Cette condition garantit la convergence des états observés vers les états réels, au même temps, il faut assurer
que la dynamique reste stable le long de la trajectoire, c’est ce qu’on appelle la condition de l’invariance,
elle consiste à vérifier que les fonctions de commutation et leurs dérivées restent pratiquement nulles dans
le régime permanent « 𝒮𝒮 ≃ 0 ; 𝑑𝑑𝑑𝑑 ⁄𝑑𝑑𝑑𝑑 ≃ 0 », à son tour, le contrôle appliqué devient équivalent « Λ = Λ𝑒𝑒𝑒𝑒 »,
l’application de cette condition sur l’équation (IV.22) conduit à écrire :
Λ𝑖𝑖𝑖𝑖_𝑒𝑒𝑒𝑒 Γ. α2 α2 . ωm 𝜀𝜀𝜓𝜓𝜓𝜓
Λ𝑖𝑖_𝑒𝑒𝑒𝑒 = � �=� �.� � (IV.26)
Λ𝑖𝑖𝑖𝑖_𝑒𝑒𝑒𝑒 −α2 . ωm Γ. α2 𝜀𝜀𝜓𝜓𝜓𝜓
On suppose par la suite, que les termes de correction concernant l’observation du flux soient imposés par
l’équation (IV.27), dont « Υ ∈ ℛ 2×2 » est une matrice carrée inversible qui contribue à justifier la stabilité.
Λ𝜓𝜓𝜓𝜓 Λ𝑖𝑖𝑖𝑖
Λ𝜓𝜓 = � � = Υ. � � (IV.27)
Λ𝜓𝜓𝜓𝜓 Λ𝑖𝑖𝑖𝑖
Durant la phase de glissement, « 𝒮𝒮 » et sa dérivée sont nulles et le contrôle devient équivalent, cela nous
aide à déduire la relation suivante :
Λ𝜓𝜓𝜓𝜓 Λ𝑖𝑖𝑖𝑖_𝑒𝑒𝑒𝑒 Γ. α2 α2 . ωm 𝜀𝜀𝜓𝜓𝜓𝜓
� � = Υ. � � = Υ. � �.� � = α2 . Υ . A0 . 𝜀𝜀𝜓𝜓 (IV.28)
Λ𝜓𝜓𝜓𝜓 Λ𝑖𝑖𝑖𝑖_𝑒𝑒𝑒𝑒 −α2 . ωm Γ. α2 𝜀𝜀𝜓𝜓𝜓𝜓
En substituant la relation (IV.28) dans la deuxième sous-équation du système (IV.20), on peut écrire :
𝑑𝑑
� . A0 �. 𝜀𝜀𝜓𝜓
𝜀𝜀 = −�A0 + α2 . Υ (IV.29)
𝑑𝑑𝑑𝑑 𝜓𝜓
- 78 -
La multiplication de l’équation (IV.29) par la matrice des erreurs d’observation du flux permet d’écrire :
𝑑𝑑
𝑇𝑇
𝜀𝜀𝜓𝜓 .� 𝑇𝑇
𝜀𝜀 � = −𝜀𝜀𝜓𝜓 � . A0 �. 𝜀𝜀𝜓𝜓
. �A0 + α2 . Υ (IV.30)
À partir de cette équation, la convergence des erreurs des composants du flux rotorique vers le zéro sera
vérifiée si la matrice « [A0 + α2 . Υ . A0 ] » est définie diagonale avec des éléments positifs. Sachant que « A0 »
est une matrice inversible, le terme « Υ » sera imposé de la forme suivante :
[A0 ]−1 𝑚𝑚1 𝑚𝑚2

Υ = [𝜙𝜙]. , 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 ∶ 𝜙𝜙 = � � (IV.31)
α2 −𝑚𝑚2 𝑚𝑚1
Cela conduit à la condition de stabilité suivante :
Γ ωm 𝑚𝑚1 𝑚𝑚2
� �+� �≥0 (IV.32)
−ωm Γ −𝑚𝑚2 𝑚𝑚1
À partir de la relation (IV.27), la matrice de correction « 𝐺𝐺𝜓𝜓 » sera calculée comme suit :
1 𝜌𝜌2 0
�𝐺𝐺𝜓𝜓 � = � 0 �−1 . �𝐺𝐺�𝑖𝑖 � = �
. �𝜙𝜙��. �A � (IV.33)
α2 0 𝜌𝜌2
Afin d’avoir un gain correctif « 𝜌𝜌2 » complètement indépendant de la pulsation mécanique « ωm »,

les éléments de la matrice « 𝜙𝜙 » se seront pris les valeurs suivantes : « 𝑚𝑚1 = −Γ » et « 𝑚𝑚2 = −ωm »,
par conséquent, l’équation (IV.30) devient :
𝑑𝑑
𝑇𝑇
𝜀𝜀𝜓𝜓 .� 𝜀𝜀 � = 0 (IV.34)
Alors que la matrice de correction relative à d’observation du flux sera exprimée par :
𝜌𝜌1 1 0 𝜌𝜌1
�𝐺𝐺𝜓𝜓 � = − .� � ⇒ 𝜌𝜌2 = − (IV.35)
α2 0 1 α2
Selon les critères du mode glissant, l’expression (IV.35) vérifie que la matrice « Υ » peut assurer la stabilité
du deuxième sous-système (IV.20), et garantir la stabilité globale de l’observateur SMO Type-1 sans mesure
de la vitesse ou du flux rotorique.
2.1.2 - Détermination du mécanisme d’adaptation

Jusqu’à présent, la vitesse mécanique reste une quantité inconnue, il est nécessaire donc de synthétiser une
loi pour estimer sa valeur en fonction des états observés, le mécanisme d’adaptation sera développé
en considérant qu’il existe un écart entre la vitesse observée « ω
� m » et la vitesse réelle « ωm » de sort que :
ωm = ω
� m + ∆ωm
(IV.36)
� + ∆A
A=A
À cause de cette hypothèse, la relation (IV.20) ne sera plus valable et l’erreur d’observation qui n’est que
la différence entre le système réel et celui d’observation, sera exprimée par l’expression suivante :
𝑑𝑑 𝜀𝜀𝑖𝑖 −α1 . 𝐼𝐼 Γ. α2 . 𝐼𝐼 − α2 . ωm . 𝐽𝐽 𝜀𝜀𝑖𝑖 0(2×2) α2 . 𝐽𝐽 𝚤𝚤̇̂𝑠𝑠 Λ𝑖𝑖

� �=� � . � � − ∆ωm . � �.� � − � � (IV.37)
𝑑𝑑𝑑𝑑 𝜀𝜀𝜓𝜓 M. Γ. 𝐼𝐼 −Γ. 𝐼𝐼 + ωm . 𝐽𝐽 𝜀𝜀𝜓𝜓 0(2×2) −𝐽𝐽 𝜓𝜓�𝑟𝑟 Λ𝜓𝜓
Le mécanisme d’adaptation va être développé en imposant la fonction candidate de Lyapunov suivante :

𝒮𝒮 𝑇𝑇 . 𝒮𝒮 α2 2
∀ � 𝒮𝒮 ≠ 0 ; 𝜆𝜆2 > 0̇ �, 𝒱𝒱2 = + . �∆̇ωm � (IV.38)
2 2. 𝜆𝜆2
- 79 -
Sur la base de la même hypothèse utilisée dans la Section 1.2 concernant la différence entre la dynamique
de la vitesse réelle et observée, la dérivée par rapport au temps de la fonction de Lyapunov est donnée par :
𝑑𝑑 𝑑𝑑𝑑𝑑 α2 𝑑𝑑
𝒱𝒱 = 𝒮𝒮 𝑇𝑇 . − . ∆ωm . � ω � � (IV.39)
𝑑𝑑𝑑𝑑 2 𝑑𝑑𝑑𝑑 𝜆𝜆2 𝑑𝑑𝑑𝑑 m
Sachant que « 𝒮𝒮 = 𝜀𝜀𝑖𝑖 », la substitution de la première sous-équation du modèle (IV.37) dans la dynamique
de la fonction de Lyapunov (IV.38), résulte l’expression suivante :
𝑑𝑑 𝑇𝑇 �
�
�2 . �A
�𝒱𝒱̇ � = �𝒮𝒮̆ � . �−α1 . �𝒮𝒮̆ � + α � 𝑖𝑖 �� − α2 . ∆ωm . �𝒮𝒮̆ �𝑇𝑇 . � 𝐽𝐽̆ �. �𝜓𝜓�𝑟𝑟 �
� 0 �. �𝜀𝜀𝜓𝜓 � − �Λ
𝑑𝑑𝑑𝑑 2 (IV.40)
α2 𝑑𝑑
− . ∆ωm . � ω � �
Afin d’assurer la stabilité asymptotique de l’observateur, nous diviserons l’équation (IV.40) en trois parties,
la condition (IV.25) assure la semi-négativité du premier terme, dont le choix du gain « 𝜌𝜌1 » garantit que :
𝑇𝑇
� 0 �. �𝜀𝜀𝜓𝜓 � − �𝒮𝒮̆ �𝑇𝑇 . �Λ
−α1 . �𝒮𝒮α2 +̇ 𝒮𝒮𝛽𝛽2 � + α2 . �𝒮𝒮̆ � . �A � 𝑖𝑖 � ≤ 0 (IV.41)
La fonction de la vitesse observée peut être extraite en annulant les deux termes restants, pour que :
𝑇𝑇 α2 𝑑𝑑
−α2 . ∆ωm . �𝒮𝒮̆ � . � 𝐽𝐽̆ �. �𝜓𝜓�𝑟𝑟 � − . ∆ωm . � ω � �=0
(IV.42)
𝑑𝑑 𝑇𝑇 ̇
� = 𝜆𝜆2 . �𝒮𝒮̆ � . � 𝐽𝐽̆ �. �𝜓𝜓�𝑟𝑟 � = 𝜆𝜆2 . �𝒮𝒮𝛼𝛼 . 𝜓𝜓�𝛽𝛽𝑟𝑟 − 𝒮𝒮𝛽𝛽 . 𝜓𝜓�𝛼𝛼𝑟𝑟 �
ω
𝑑𝑑𝑑𝑑 m
Afin d’optimiser l’adaptation de la vitesse estimée, celle-ci sera observée à travers un contrôleur PI au lieu
d’un simple intégrateur, cela pourrait améliorer considérablement la précision ainsi que la rapidité
d’observation, l’équation (IV.43) montre l’expression finale de la vitesse observée.
� m = 𝑘𝑘𝑝𝑝 . �𝒮𝒮𝛼𝛼 . 𝜓𝜓�𝛽𝛽𝑟𝑟 −̇ 𝒮𝒮𝛽𝛽 . 𝜓𝜓�𝛼𝛼𝑟𝑟 � + 𝑘𝑘𝑖𝑖 . � �𝒮𝒮𝛼𝛼 . 𝜓𝜓�𝛽𝛽𝑟𝑟 −̇ 𝒮𝒮𝛽𝛽 . 𝜓𝜓�𝛼𝛼𝑟𝑟 � . 𝑑𝑑𝑑𝑑
ω (IV.43)
« 𝑘𝑘𝑝𝑝 » et « 𝑘𝑘𝑖𝑖 » sont les gains du mécanisme d’adaptation qui doivent être strictement positifs.
2.2 - Estimateur basé sur la compensation des termes du couplage (SMO Type-2)
La présente méthode d’estimation diffère complètement des autres techniques, car elle ne possède pas
des termes correctifs pour assurer la convergence des états observés vers les états mesurés, elle consiste à
simplifier le modèle d’observation en remplaçant les termes du couplage contenant les éléments inconnus tels
que la vitesse, par une simple fonction de glissement de sorte que cette dernière doit satisfaire les conditions
de stabilité (Rehman, 02) ; si les quantités mesurées correspondent aux valeurs observées, alors il est correct
de s’appuyer sur cette fonction de glissement pour calculer les valeurs des éléments inconnus construisant la
matrice du couplage. Le modèle mathématique (IV.1) sera reformulé par la forme matricielle suivante :
⎧ 𝑑𝑑 𝑖𝑖 = −α . 𝑖𝑖 + α . A . 𝜓𝜓 + β. 𝑣𝑣
⎪ 𝑑𝑑𝑑𝑑 𝑠𝑠 1 𝑠𝑠 2 0 𝑟𝑟 𝑠𝑠
𝑆𝑆𝑆𝑆𝑆𝑆 (IV.44)
⎨ 𝑑𝑑
⎪ 𝜓𝜓𝑟𝑟 = M. Γ. 𝑖𝑖𝑠𝑠 − A0 . 𝜓𝜓𝑟𝑟
⎩ 𝑑𝑑𝑑𝑑
𝑖𝑖𝛼𝛼𝛼𝛼 𝜓𝜓𝛼𝛼𝛼𝛼 𝑣𝑣𝛼𝛼𝛼𝛼 Γ ωm
Avec : 𝑖𝑖𝑠𝑠 = � � ; 𝜓𝜓𝑟𝑟 = � � ; 𝑣𝑣𝑠𝑠 = � � ; A0 = � �
𝑖𝑖𝛽𝛽𝛽𝛽 𝜓𝜓𝛽𝛽𝑟𝑟 𝑣𝑣𝛽𝛽𝛽𝛽 −ωm Γ
2.2.1 - Observation du courant basée sur la compensation par une fonction de glissement
Il est à noter que le terme « A0 . 𝜓𝜓𝑟𝑟 » qui inclut la variable essentielle à observer, intervient dans les deux
sous-systèmes du modèle (IV.44), cela donne l’avantage que les termes du couplage entre les axes « 𝛼𝛼 − 𝛽𝛽 »
sont identiques, par conséquent, la conception d’un observateur de courant peut être basée sur le remplacement
- 80 -
des termes d’interconnexion par une simple fonction de glissement ; lorsque la convergence est atteinte, les
fonctions de commutation imposées peuvent fournir une estimation de la matrice du couplage (Rehman, 01 ;
Rehman, 02 ; Mehazzem, 10), pour cela, le modèle d’observation du courant sera exprimé comme suit :
𝑑𝑑
∀ { Λ′ ≡ A0 . 𝜓𝜓𝑟𝑟 } , 𝚤𝚤̇̂ = −α1 . 𝚤𝚤̇̂𝑠𝑠 + α2 . Λ′ + β. 𝑣𝑣𝑠𝑠 (IV.45)
𝑑𝑑𝑑𝑑 𝑠𝑠
L’objectif principal est de déterminer une fonction de commutation « Λ′ = 𝑓𝑓(𝒮𝒮) » permettant d’annuler
l’erreur d’observation du courant, la forme générale illustrée dans (IV.17) peut être un choix suffisant pour
compenser les termes du couplage (Mehazzem, 10 ; Aichi, 18d), mais à cause de l’absence du mécanisme
d’adaptation dans ce type d’estimateur, le phénomène de Chattering peut avoir un impact sérieux, permettant
de dégrader significativement la qualité de l’estimation. La solution proposée consiste à utiliser une partie de
l’algorithme de Super-Twisting présenté dans la Section 4.1 du ‘Chapitre II’ à travers la relation (II.38), cela
permet de réduire la forte commutation de la fonction de glissement qui sera imposée comme suit :
𝐿𝐿1 0 𝒮𝒮𝒮𝒮𝛼𝛼 0 Sgn(𝒮𝒮𝛼𝛼 )

� �. Sgn�𝒮𝒮̆ � = �
Λ′ = �L� � . �𝒮𝒮𝒮𝒮 �.� �.� � (IV.46)
0 𝐿𝐿2 0 𝒮𝒮𝒮𝒮𝛽𝛽 Sgn(𝒮𝒮𝛽𝛽 )
« 𝒮𝒮𝒮𝒮𝛼𝛼 » et « 𝒮𝒮𝒮𝒮𝛽𝛽 » sont des fonctions semi-positives qui se basent sur la relation (II.39) et se rapportent aux
surfaces de glissement données par (IV.16), tandis que « 𝐿𝐿1 » et « 𝐿𝐿2 » sont des gains de conception qui doivent
satisfaire la condition d’attractivité, ensuite, nous supposerons la fonction de Lyapunov suivante :
1
∀ �𝒮𝒮 ≠ 0̇ �, 𝒱𝒱3 = . �𝒮𝒮 𝑇𝑇̇ . 𝒮𝒮� (IV.47)
2
La dérivée temporelle de cette fonction correspond à la condition d’attractivité exprimée par :
𝑑𝑑 𝑑𝑑𝒮𝒮
𝒱𝒱3 = 𝒮𝒮 𝑇𝑇 . ≤0 (IV.48)
La soustraction de l’équation (IV.45) de la première sous-équation du modèle (IV.44), permet d’exprimer
la dynamique des surfaces de glissement qui sera ensuite remplacée dans l’équation (IV.48) pour que :
�̇ . 𝜓𝜓 − α . Λ′ � ≤ 0
−α1 . 𝒮𝒮 𝑇𝑇 . 𝒮𝒮 + 𝒮𝒮 𝑇𝑇 . �α2 . A (IV.49)
0 𝑟𝑟 2
La condition d’attractivité sera garantie si les gains des termes de compensation vérifient l’inégalité (IV.50).
𝒮𝒮 𝑇𝑇 . Λ′ ≥ 𝒮𝒮 𝑇𝑇 . A0 . 𝜓𝜓𝑟𝑟
(IV.50)
𝐿𝐿1 . 𝒮𝒮𝒮𝒮𝛼𝛼 . |𝒮𝒮𝛼𝛼 | + 𝐿𝐿2 . 𝒮𝒮𝒮𝒮𝛽𝛽 . �𝒮𝒮𝛽𝛽 � ≥ 𝒮𝒮𝛼𝛼 . �Γ̇̇ . 𝜓𝜓𝛼𝛼𝛼𝛼 + ωm . 𝜓𝜓𝑟𝑟𝑟𝑟 � + 𝒮𝒮𝛽𝛽 . �Γ̇̇ . 𝜓𝜓𝛽𝛽𝛽𝛽 − ωm . 𝜓𝜓𝑟𝑟𝑟𝑟 �
Cette inégalité peut être vérifiée par la validation des deux conditions suivantes :
𝐿𝐿1 . 𝒮𝒮𝒮𝒮𝛼𝛼 . |𝒮𝒮𝛼𝛼 | ≥ 𝒮𝒮𝛼𝛼 . �Γ̇̇ . 𝜓𝜓𝛼𝛼𝛼𝛼 + ωm . 𝜓𝜓𝑟𝑟𝑟𝑟 �

(IV.51)
𝐿𝐿2 . 𝒮𝒮𝒮𝒮𝛽𝛽 . �𝒮𝒮𝛽𝛽 � ≥ 𝒮𝒮𝛽𝛽 . �Γ̇̇. 𝜓𝜓𝛽𝛽𝛽𝛽 − ωm . 𝜓𝜓𝑟𝑟𝑟𝑟 �
En divisant respectivement les deux équations de (IV.51) par les valeurs absolues des surfaces de glissement
« |𝒮𝒮𝛼𝛼 | » et « �𝒮𝒮𝛽𝛽 � », les gains caractérisant la matrice de compensation et vérifiant la condition de stabilité
peuvent être sélectionnés selon les relations suivantes :
𝐿𝐿1 ≥ Max � Γ̇̇. 𝜓𝜓𝛼𝛼𝛼𝛼 + ωm . 𝜓𝜓𝑟𝑟𝑟𝑟 �

(IV.52)
𝐿𝐿2 ≥ Max � Γ̇̇ . 𝜓𝜓𝛽𝛽𝛽𝛽 − ωm . 𝜓𝜓𝑟𝑟𝑟𝑟 �
Il est fortement recommandé de fixer les deux coefficients « 𝐿𝐿1 » et « 𝐿𝐿2 » à la même valeur afin d’avoir
une dynamique identique pour l’observation des deux composantes du courant, d’un autre côté, la valeur de
- 81 -
ces gains doit être assez importante pour garantir la convergence des courants observés et assurer que le zéro
représente un point d’équilibre pour les erreurs d’observation (Rehman, 02), cette considération nous permettra
d’estimer les valeurs instantanées du flux et de la vitesse en utilisant les surfaces de glissement générées
par l’observateur de courant.
2.2.2 - Estimation de la vitesse mécanique et du flux rotorique

La vérification de la stabilité de l’observateur de courant permet d’estimer le flux rotorique par une simple
intégration des fonctions de glissement produites, lorsque les erreurs d’observation convergent vers zéro,
le contrôle devient équivalent « Λ′ = Λ′𝑒𝑒𝑒𝑒 », on peut alors déterminer les composantes du flux rotorique, en
basant sur la deuxième sous-équation du modèle (IV.44), comme le montre l’expression (IV.53). Il convient
de noter que dans de nombreux travaux (Rehman, 02 ; Li, 05b ; Ben Regaya, 14b), la commande équivalente
adoptée est obtenue en filtrant les fonctions de commutation, cela permet d’améliorer les signaux d’observation
dans le cas de présence de fortes fluctuations des surfaces de commutation.
𝜓𝜓�𝛼𝛼𝛼𝛼 𝚤𝚤̇̂𝛼𝛼𝛼𝛼 Λ′𝛼𝛼_𝑒𝑒𝑒𝑒
� � = � � M. Γ. � �−� ′ � � . 𝑑𝑑𝑑𝑑 (IV.53)
𝜓𝜓�𝛽𝛽𝛽𝛽 𝚤𝚤̇̂𝛽𝛽𝛽𝛽 Λ𝛽𝛽_𝑒𝑒𝑒𝑒
La vitesse mécanique sera ensuite calculée sur la base de l’hypothèse que les termes d’interconnexion du
modèle (IV.44) et les fonctions de glissement imposées par (IV.46) sont identiques, cela nous permet d’écrire :
Λ′𝛼𝛼_𝑒𝑒𝑒𝑒 Γ ω
�m 𝜓𝜓�𝛼𝛼𝛼𝛼
� �=� �.� � (IV.54)
Λ′𝛽𝛽_𝑒𝑒𝑒𝑒 −ω
�m Γ 𝜓𝜓�𝛽𝛽𝛽𝛽
En multipliant l’équation (IV.54) par la matrice « 𝜓𝜓𝑟𝑟 . | 𝐽𝐽 | », puis on fait la soustraction des deux sous-
équations afin d’éviter la division par zéro, la vitesse mécanique sera estimée à travers l’expression suivante :
1
ω
�m = . �Λ′𝛼𝛼_𝑒𝑒𝑒𝑒 . 𝜓𝜓�𝛽𝛽𝛽𝛽 − Λ′𝛽𝛽_𝑒𝑒𝑒𝑒 . 𝜓𝜓�𝛼𝛼𝛼𝛼 � (IV.55)
𝜓𝜓�𝛼𝛼𝛼𝛼
2
+ 𝜓𝜓�𝛽𝛽𝛽𝛽
2
2.3 - Observateur à double surfaces de glissement (SMO Type-3)

Cette technique a été initialement développée dans (Li, 05a ; Li, 05b) afin d’améliorer l’observation de
la vitesse par l’approche du mode glissant, notamment en ce qui concerne la robustesse face aux variations
paramétriques, la figure (IV.4) montre le schéma fonctionnel de l’algorithme proposé, son principe de
fonctionnement se repose sur deux observations simultanées du courant statorique pour générer deux surfaces
de glissement distinctes, les fonctions de commutation produites seront adoptées pour avoir une nouvelle
synthèse d’observation pour le flux rotorique dans lequel, il sera intégré dans un mécanisme d’adaptation pour
exprimer la relation finale identifiant la vitesse mécanique en basant sur le théorème de stabilité de Lyapunov.
1er Observateur des courants
𝑑𝑑 𝑥𝑥 𝛬𝛬𝑥𝑥
Courant et tension mesurés
𝚤𝚤̇� = −𝛼𝛼1 . 𝚤𝚤̇�

𝑥𝑥 𝑥𝑥
𝑠𝑠 + 𝛼𝛼2 . 𝛬𝛬 + 𝛽𝛽. 𝑣𝑣𝑠𝑠
𝜓𝜓�𝑟𝑟 Observation du flux rotorique 𝜓𝜓�𝑟𝑟 Mécanisme d’adaptation

« 𝑣𝑣𝑠𝑠 , 𝑖𝑖𝑠𝑠 »
𝑑𝑑 𝑀𝑀 𝑧𝑧 𝑄𝑄 𝑧𝑧 𝜔𝜔
�𝑚𝑚
𝜓𝜓�𝑟𝑟 = . 𝐼𝐼� 𝑥𝑥
𝑠𝑠 − �𝛬𝛬𝑒𝑒𝑒𝑒 − . 𝛬𝛬 � �𝑚𝑚 = 𝑘𝑘𝑝𝑝 . �𝛬𝛬𝛼𝛼𝑧𝑧 . 𝜓𝜓�𝛽𝛽𝛽𝛽 − 𝛬𝛬𝛽𝛽𝑧𝑧 . 𝜓𝜓�𝛼𝛼𝛼𝛼 �
𝜔𝜔
𝑑𝑑𝑑𝑑 𝜏𝜏𝑟𝑟 𝛼𝛼2 𝑒𝑒𝑒𝑒 𝛬𝛬 𝑧𝑧
+ 𝑘𝑘𝑖𝑖 . ��𝛬𝛬𝛼𝛼𝑧𝑧 . 𝜓𝜓�𝛽𝛽𝛽𝛽 − 𝛬𝛬𝛽𝛽𝑧𝑧 . 𝜓𝜓�𝛼𝛼𝛼𝛼 � . 𝑑𝑑𝑑𝑑

𝑑𝑑 𝑧𝑧
𝚤𝚤̇� = −𝛼𝛼1 . 𝚤𝚤̇�𝑠𝑠𝑧𝑧 + 𝛼𝛼2 . 𝐴𝐴0 . 𝜓𝜓�𝑟𝑟 + 𝛽𝛽. 𝑣𝑣𝑠𝑠
2eme Observateur des courants
Figure IV.4 : Schéma explicatif de l’observateur mode glissant à double surfaces de glissement
- 82 -
2.3.1 - Génération de la première fonction de glissement

Nous considérons le même modèle mathématique du MAS dans un référentiel lié au stator « 𝛼𝛼 − 𝛽𝛽 » et qui
sera réécrit par le modèle (IV.56).
⎧ 𝑑𝑑 𝑖𝑖 = −α . 𝑖𝑖 + α . A . 𝜓𝜓 + β. 𝑣𝑣
⎪ 𝑑𝑑𝑑𝑑 𝑠𝑠 1 𝑠𝑠 2 0 𝑟𝑟 𝑠𝑠
𝑆𝑆𝑆𝑆𝑆𝑆 (IV.56)
⎨ 𝑑𝑑
⎪ 𝜓𝜓𝑟𝑟 = M. Γ. 𝑖𝑖𝑠𝑠 − A0 . 𝜓𝜓𝑟𝑟
⎩ 𝑑𝑑𝑑𝑑
La génération de la première surface de glissement se base sur le même principe du SMO Type-2 présenté
dans la Section 2.2, à partie de l’équation (IV.45) on définit le premier observateur de courant par :
𝑑𝑑 �
𝚤𝚤̇𝑥𝑥 = −α1 . 𝚤𝚤̇�
𝑥𝑥 𝑥𝑥
𝑠𝑠 + α2 . Λ + β. 𝑣𝑣𝑠𝑠 (IV.57)
𝑥𝑥 𝑇𝑇 𝑇𝑇
« 𝚤𝚤̇�
𝑥𝑥 � 𝑥𝑥
𝑠𝑠 = � 𝚤𝚤̇𝛼𝛼𝛼𝛼 𝚤𝚤̇� 𝑥𝑥 𝑥𝑥
𝛽𝛽𝛽𝛽 � » sont les courants observés par le premier observateur et « Λ = � Λ 𝛼𝛼 Λ𝛽𝛽𝑥𝑥 � » sont
les fonctions de glissement qui peuvent prend la forme de l’équation (IV.46), tandis que la surface de
𝑥𝑥 𝑇𝑇
glissement sera définie par : « 𝒮𝒮 𝑥𝑥 = � 𝒮𝒮𝛼𝛼𝑥𝑥 𝒮𝒮𝛽𝛽 � = 𝚤𝚤̇𝑠𝑠 − 𝚤𝚤̇�
𝑥𝑥
𝑠𝑠 ». En utilisant la première sous-équation du
modèle (IV.56) et le modèle d’observation (IV.57), la dynamique de la première surface de glissement peut
exprimer comme suit :
𝑑𝑑 𝑥𝑥
𝒮𝒮 = −α1 . 𝒮𝒮 𝑥𝑥 + α2 . �A � 0 . 𝜓𝜓𝑟𝑟 − Λ𝑥𝑥 � (IV.58)
𝑑𝑑𝑑𝑑
Si on considère que les gains de correction seront sélectionnés selon la relation (IV.52), nous pouvons dire
que le système va atteindre le régime du mode glissant, signifiant que « 𝒮𝒮 𝑥𝑥 = 𝑑𝑑𝒮𝒮 𝑥𝑥 ⁄𝑑𝑑𝑑𝑑 ≈ 0 », d’après le
concept du contrôle par mode glissant, si la trajectoire du système atteint la surface du glissement, la fonction
de commutation devient équivalente (Utkin, 93), nous pouvons donc écrire :
Λ𝑥𝑥𝑒𝑒𝑒𝑒 = A0 . 𝜓𝜓𝑟𝑟 (IV.59)
De là, nous concluons que le flux rotorique peut être obtenu sans avoir mesuré la vitesse mécanique
en utilisant la deuxième sous-équation du modèle (IV.56), comme indiqué dans la Section 2.2.2 ; mais d’après
les auteurs de (Li, 05a), les performances de l’observation seront notamment affectées dans le cas d’une
perturbation structurelle, pour cette raison, ils ont suggéré de renforcer l’estimation par un deuxième
observateur de courant.
2.3.2 - Génération de la deuxième fonction de glissement

Sur la base de ce qui a été présenté dans la Section 2.1, la seconde fonction de glissement sera développée
à travers un SMO Type-1, dont sa représentation matricielle peut être donnée par :
𝑑𝑑 𝑧𝑧
𝚤𝚤̇� = −α1 . 𝚤𝚤̇�
𝑧𝑧 �
𝑠𝑠 + α2 . A0 . 𝜓𝜓𝑟𝑟 + 𝛽𝛽. 𝑣𝑣𝑠𝑠 + Λ
𝑧𝑧 (IV.60)
𝑧𝑧 𝑇𝑇 𝑇𝑇
« 𝚤𝚤̇�
𝑧𝑧 � 𝑧𝑧
𝑠𝑠 = � 𝚤𝚤̇𝛼𝛼𝛼𝛼 𝚤𝚤̇� � �
𝛽𝛽𝛽𝛽 � » sont les courants observés par le second observateur, « 𝜓𝜓𝑟𝑟 = � 𝜓𝜓𝛼𝛼𝛼𝛼 𝜓𝜓�𝛽𝛽𝛽𝛽 � » est le
𝑇𝑇
vecteur du flux observé, « Λ𝑧𝑧 = � Λ𝑧𝑧𝛼𝛼 Λ𝛽𝛽𝑧𝑧 � » représente la matrice des fonctions de glissement générées selon
𝑧𝑧 𝑇𝑇
l’équation (IV.17) et « 𝒮𝒮 𝑧𝑧 = � 𝒮𝒮𝛼𝛼𝑧𝑧 𝒮𝒮𝛽𝛽 � = 𝚤𝚤̇𝑠𝑠 − 𝚤𝚤̇�
𝑧𝑧
𝑠𝑠 » exprime la seconde surface de glissement adoptée. Si on
soustrait l’équation (IV.60) de la première sous-équation du modèle (IV.56), la dynamique de la deuxième
surface de glissement sera exprimée par :
𝑑𝑑 𝑧𝑧
𝒮𝒮 = −α1 . 𝒮𝒮 𝑧𝑧 + α2 . A0 . �𝜓𝜓𝑟𝑟 − 𝜓𝜓�𝑟𝑟 � − Λ𝑧𝑧 (IV.61)
𝑑𝑑𝑑𝑑
- 83 -
Le principe de la commande équivalente qui implique que « ∀ 𝒮𝒮 𝑧𝑧 = 𝑑𝑑𝒮𝒮 𝑧𝑧 ⁄𝑑𝑑𝑑𝑑 ≈ 0 , Λ𝑧𝑧 = Λ𝑧𝑧𝑒𝑒𝑒𝑒 », nous
permet d’écrire l’équation (IV.62) en utilisant l’expression (IV.61).
Λ𝑧𝑧𝑒𝑒𝑒𝑒 = α2 . A0 . �𝜓𝜓𝑟𝑟 − 𝜓𝜓�𝑟𝑟 � = α2 . A0 . 𝜀𝜀𝜓𝜓 (IV.62)
Sachant que « 𝜀𝜀𝜓𝜓 = [ 𝜀𝜀𝜓𝜓𝜓𝜓 𝜀𝜀𝜓𝜓𝜓𝜓 ]𝑇𝑇 » définit l’erreur d’observation du flux, il est remarquable que le
deuxième observateur nécessite essentiellement l’information de la pulsation mécanique, cela peut être un
avantage pour développer un mécanisme d’adaptation permet l’identification de la vitesse du rotor.
2.3.3 - Synthèse de l’observateur du flux rotorique

En basant sur la deuxième sous-équation du modèle (IV.56), on peut supposer une forme générale d’un
observateur pour le flux rotorique comme suit :
𝑑𝑑
𝜓𝜓� = M. Γ. 𝚤𝚤̇�
𝑧𝑧 �
𝑠𝑠 − A 0 . 𝜓𝜓𝑟𝑟 (IV.63)
𝑑𝑑𝑑𝑑 𝑟𝑟
Dans le but de combiner les deux fonctions de glissement développées, on remplace l’équation (IV.59) dans
l’expression (IV.62) pour arriver à la relation suivante :
Λ𝑧𝑧𝑒𝑒𝑒𝑒
A0 . 𝜓𝜓�𝑟𝑟 = Λ𝑥𝑥𝑒𝑒𝑒𝑒 − (IV.64)
α2
Si on substitue l’équation (IV.64) dans (IV.63), il est possible de faire une estimation du flux rotorique à
travers la formule suivante :
𝑑𝑑 𝑄𝑄 𝑧𝑧
𝜓𝜓�𝑟𝑟 = M. Γ. 𝚤𝚤̇�
𝑧𝑧 𝑥𝑥
𝑠𝑠 − �Λ 𝑒𝑒𝑒𝑒 − .Λ � (IV.65)
𝑑𝑑𝑑𝑑 α2 𝑒𝑒𝑒𝑒
Le terme « 𝑄𝑄 » représente une matrice de design qui doit être déterminée d’une manière qui satisfait la
condition de stabilité de Lyapunov, cette dernière peut garantir la convergence asymptotique de l’erreur
d’observation du flux vers le zéro, la différence entre le modèle d’estimation (IV.65) et la deuxième
sous-équation du système (IV.56) résulte l’expression de la dynamique suivante :
𝑑𝑑 𝑄𝑄 𝑧𝑧
𝜀𝜀𝜓𝜓 = M. Γ. 𝒮𝒮 𝑧𝑧 − A0 . 𝜓𝜓𝑟𝑟 + �Λ𝑥𝑥𝑒𝑒𝑒𝑒 − .Λ � (IV.66)
𝑑𝑑𝑑𝑑 α2 𝑒𝑒𝑒𝑒
Par l’utilisation de la condition de l’invariance « ∀ Λ𝑧𝑧 = Λ𝑧𝑧𝑒𝑒𝑒𝑒 , 𝒮𝒮 𝑧𝑧 = 0 », l’expression de la variation de
l’erreur d’observation du flux peut être simplifiée en substituant chaque contrôle équivalent par sa relation
présentée par (IV.59) et (IV.62), l’équation (IV.66) sera réécrite comme suit :
𝑑𝑑
𝜀𝜀 = −𝑄𝑄. A0 . 𝜀𝜀𝜓𝜓 (IV.67)
2.3.4 - Mécanisme d’adaptation pour l’observation de la vitesse mécanique

Pareil à tous les mécanismes d’adaptation développés dans ce chapitre, la méthode de Lyapunov présente
un outil efficace permet de justifier la stabilité asymptotique d’un système d’observation et de déterminer
l’équation analytique de la vitesse observée, la fonction candidate de Lyapunov sera imposée en fonction de
l’erreur d’observation du flux rotorique afin d’assurer que le zéro sera un point d’équilibre pour cette variable,
d’un autre côté, il est indispensable de considérer que la vitesse mécanique est une variable qu’il faut observer,
cela conduit à remplacer le terme « A0 » dans l’équation (IV.63) par la matrice observée « A � 0 », de sorte que :
� 0 + ∆A0
A0 = A
0 1 (IV.68)
∀ ∆ωm = ωm − ω
�m , ∆A0 = ∆ωm . � � = ∆ωm . [ 𝐽𝐽 ]𝑇𝑇
−1 0
En suivant les mêmes étapes que celles utilisées dans la Section 2.3.3, l’utilisation de (IV.68) permet
d’écrire une nouvelle expression de la variation de l’erreur d’observation du flux qui sera exprimée par (IV.69).
- 84 -
𝑑𝑑
𝜀𝜀 = −𝑄𝑄. A0 . 𝜀𝜀𝜓𝜓 − 𝑄𝑄. ∆A0 . 𝜓𝜓�𝑟𝑟 (IV.69)
La fonction de Lyapunov (IV.70) sera adoptée pour garantir la convergence du flux observé vers sa valeur
réelle, ensuite pour déterminer la loi d’observation pour la vitesse mécanique.
1 2
∀ � 𝜀𝜀𝜓𝜓 ≠ 0 ; 𝜆𝜆4 > 0 � , 𝑇𝑇
𝒱𝒱4 = 𝜀𝜀𝜓𝜓 . 𝜀𝜀𝜓𝜓 + . �∆̇ωm � (IV.70)
2. 𝜆𝜆4
La dérivée temporelle de la fonction (IV.70) s’exprime par :
𝑇𝑇
𝑑𝑑 𝑑𝑑𝜀𝜀𝜓𝜓 𝑑𝑑𝜀𝜀𝜓𝜓 1 𝑑𝑑
𝒱𝒱4 = � 𝑇𝑇
� . 𝜀𝜀𝜓𝜓 + 𝜀𝜀𝜓𝜓 .� � − . ∆ωm . � ω � � (IV.71)
𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 𝜆𝜆4 𝑑𝑑𝑑𝑑 m
On substitue l’équation de la dynamique du flux donnée par (IV.69) dans l’équation (IV.71) pour obtenir :
𝑑𝑑 𝑇𝑇
𝒱𝒱 = −𝜀𝜀𝜓𝜓 . �𝑄𝑄� . A0 + A𝑇𝑇0 . 𝑄𝑄𝑇𝑇 � . 𝜀𝜀𝜓𝜓 − 𝜀𝜀𝜓𝜓
𝑇𝑇
. 𝑄𝑄. ∆A0 . 𝜓𝜓�𝑟𝑟 − 𝜓𝜓� 𝑇𝑇𝑟𝑟 . ∆A𝑇𝑇0 . 𝑄𝑄𝑇𝑇 . 𝜀𝜀𝜓𝜓
𝑑𝑑𝑑𝑑 4
∆ωm 𝑑𝑑 (IV.72)
− .� ω � �
Sachant que la matrice « A0 » est inversible, l’erreur d’observation du flux peut être exprimée par
la relation (IV.73) en basant sur l’équation (IV.62).
A−1 𝑧𝑧
0 . Λ 𝑒𝑒𝑒𝑒
𝜀𝜀𝜓𝜓 = (IV.73)
α2
Si on remplace cette équation dans la dynamique de la fonction de Lyapunov (IV.72), on aboutit à :
𝑑𝑑 𝑇𝑇
𝒱𝒱 = −𝜀𝜀𝜓𝜓 . �𝑄𝑄� . A0 + A𝑇𝑇0 . 𝑄𝑄𝑇𝑇 � . 𝜀𝜀𝜓𝜓
𝑑𝑑𝑑𝑑 4
𝑇𝑇 𝑇𝑇 (IV.74)
�Λ𝑧𝑧𝑒𝑒𝑒𝑒 � . �A−1
0𝑞𝑞 � A−1 𝑧𝑧
0 . Λ 𝑒𝑒𝑒𝑒 ∆ωm 𝑑𝑑
− . 𝑄𝑄. ∆A0 . 𝜓𝜓�𝑟𝑟 − 𝜓𝜓� 𝑇𝑇𝑟𝑟 . ∆A𝑇𝑇0 . 𝑄𝑄𝑇𝑇 . − .� ω � �
α2 α2 𝜆𝜆4 𝑑𝑑𝑑𝑑 m
Considérons le coefficient de réglage « 𝜂𝜂 » qui doit être strictement positif, la dynamique de la fonction de
Lyapunov sera considérablement simplifiée si on fait le choix suivant : « 𝑄𝑄 = 𝜂𝜂 . 𝛼𝛼2 . A𝑇𝑇0 ».
𝑑𝑑 � 𝑇𝑇
𝑇𝑇
𝒱𝒱4 = −2 . 𝜂𝜂 . 𝛼𝛼2 . 𝜀𝜀𝜓𝜓 . �A𝑇𝑇0̇ . A0 � . 𝜀𝜀𝜓𝜓 − 𝜂𝜂 . ��Λ𝑧𝑧𝑒𝑒𝑒𝑒 � . ∆A0 . 𝜓𝜓�𝑟𝑟 + 𝜓𝜓�𝑟𝑟𝑇𝑇 . ∆A𝑇𝑇0 . Λ𝑧𝑧𝑒𝑒𝑒𝑒 �
𝑑𝑑𝑑𝑑
∆ωm 𝑑𝑑 (IV.75)
− .� ω � �
L’expression analytique du premier terme de l’équation (IV.75) est donnée par :
Γ 2 + ω2m 0 � �
𝑇𝑇
−2 . 𝜂𝜂 . 𝛼𝛼2 . 𝜀𝜀𝜓𝜓 .� 2
� . 𝜀𝜀𝜓𝜓 = −2 . 𝜂𝜂 . 𝛼𝛼2 . �Γ� 2 + ω2m � . �𝜀𝜀𝜓𝜓𝜓𝜓
2 2
+ 𝜀𝜀𝜓𝜓𝜓𝜓 �≤0 (IV.76)
0 Γ + ω2m
Étant donné que le premier terme est naturellement défini semi-négatif, la stabilité asymptotique de cet
observateur peut être garantit en éliminant le reste des termes de l’équation (IV.75), de sorte que :
𝑇𝑇 𝑇𝑇 ̇̇ ∆ωm 𝑑𝑑
−𝜂𝜂 . �∆𝜔𝜔𝑚𝑚 . �Λ𝑧𝑧𝑒𝑒𝑒𝑒 � . � 𝐽𝐽̂ �. 𝜓𝜓�𝑟𝑟 + ∆ωm . 𝜓𝜓� 𝑇𝑇𝑟𝑟 . � 𝐽𝐽̂ � . Λ𝑧𝑧𝑒𝑒𝑒𝑒 � − .� ω � �=0
1 𝑑𝑑 𝑇𝑇 𝑇𝑇
− .� ω � m � = �Λ𝑧𝑧𝑒𝑒𝑒𝑒 � . � 𝐽𝐽̂ �. 𝜓𝜓�𝑟𝑟 + 𝜓𝜓� 𝑇𝑇𝑟𝑟 . � 𝐽𝐽̂ � . Λ𝑧𝑧𝑒𝑒𝑒𝑒 (IV.77)
𝜂𝜂 . 𝜆𝜆4 𝑑𝑑𝑑𝑑
𝑑𝑑
� = 2. 𝜂𝜂. 𝜆𝜆4 . �Λ𝑧𝑧𝛼𝛼 . 𝜓𝜓�𝛽𝛽𝛽𝛽 − Λ𝛽𝛽𝑧𝑧 . 𝜓𝜓�𝛼𝛼𝛼𝛼 �
ω
𝑑𝑑𝑑𝑑 m
- 85 -
L’utilisation de l’équation (IV.77) pour l’observation de la vitesse assure que la fonction de Lyapunov et
sa dérivée ont des signes opposés quel que soit le temps, garantissant la stabilité asymptotique de l’observateur
global, à l’aide d’un régulateur PI, l’estimation de la vitesse mécanique sera effectuée comme suit :
� m = 𝑘𝑘𝑝𝑝 . �Λ𝑧𝑧𝛼𝛼 . 𝜓𝜓�𝛽𝛽𝛽𝛽 − Λ𝛽𝛽𝑧𝑧 . 𝜓𝜓�𝛼𝛼𝛼𝛼 � + 𝑘𝑘𝑖𝑖 . � �Λ𝑧𝑧𝛼𝛼 . 𝜓𝜓�𝛽𝛽𝛽𝛽 − Λ𝛽𝛽𝑧𝑧 . 𝜓𝜓�𝛼𝛼𝛼𝛼 � . 𝑑𝑑𝑑𝑑
ω (IV.78)
« 𝑘𝑘𝑝𝑝 » et « 𝑘𝑘𝑖𝑖 » sont les paramètres du mécanisme d’adaptation qui doivent être définis purement positifs,
à travers lesquels, nous pouvons ajuster la qualité de l’observation afin de garantir une commande optimale.
3 - Estimation de la vitesse par le filtre de Kalman étendu

Tous les observateurs précédemment présentés s’appuient principalement sur les équations de la machine
sans tenir compte les incertitudes de la mesure et les imperfections du modèle, ces dernières sont ignorées par
des hypothèses simplificatrices prise en compte dans la modélisation mathématique ; lorsque les bruits sont
faibles, les approches déterministes peuvent assurer des résultats satisfaisants, par contre, si le système global
est soumis à des perturbations importantes, les performances du contrôle seront considérablement dégradées.
Le filtre de Kalman peut être une alternative excellente pour l’estimation des différentes variables du système
tout en tenant compte des bruits sur l’état et la mesure, la première utilisation de cette technique a été pour la
résolution du problème du filtrage des systèmes discrets (Kalman, 60), puis dans (Kalman, 61), une autre
solution a été proposée pour le cas continu, cette méthode d’estimation ainsi que ses nombreuses dérivées ont
été appliqués avec succès dans le domaine des entrainements électriques, dont les systèmes sont fortement non
linéaires (Morand, 05 ; Salloum, 07 ; Sun, 11 ; Kendouci, 12 ; Mercorelli, 12 ; Dahmani, 12 ; Yu, 16), à cause
de la présence naturelle des bruits lorsqu’un moteur AC est contrôlé en boucle fermée, l’utilisation du filtre de
Kalman étendu représente un argument pour l’adopter afin de réaliser une commande sans capteur mécanique.
Après avoir rappelé le principe de fonctionnement d’un estimateur de Kalman, la vitesse mécanique du
moteur asynchrone sera estimée à travers un filtre de Kalman étendu destiné aux systèmes non linéaires,
un estimateur d’ordre réduit sera par la suite élaboré afin de surmonter les limitations d’implémentation relative
au choix de la fréquence d’échantillonnage ainsi qu’à la discrétisation du modèle mathématique, cette section
sera terminée par une brève comparaison entre les deux versions élaborées.
3.1 - Principe de fonctionnement d’un filtre de Kalman

Le filtre de Kalman est une approche destinée pour l’estimation de l’état d’un système caractérisé par un
modèle stochastique, son algorithme se repose sur le modèle discret du processus en tenant compte le bruit sur
les quantités mesurées et les erreurs de modélisation, supposons qu’un système linéaire, stationnaire
et stochastique possédant la représentation d’état échantillonnée suivante :
𝑥𝑥[𝑘𝑘+1] = A𝑑𝑑 . 𝑥𝑥[𝑘𝑘] + B𝑑𝑑 . 𝑢𝑢[𝑘𝑘] + 𝑤𝑤[𝑘𝑘]

𝑆𝑆𝑆𝑆𝑆𝑆 � (IV.79)
𝑦𝑦[𝑘𝑘] = C𝑑𝑑 . 𝑥𝑥[𝑘𝑘] + 𝜇𝜇[𝑘𝑘]
« 𝑥𝑥[𝑘𝑘] ∈ ℛ 𝑛𝑛 » est le vecteur d’état que l’on cherche à estimer, « 𝑢𝑢[𝑘𝑘] ∈ ℛ 𝑟𝑟 » est le vecteur de commande,
« 𝑦𝑦[𝑘𝑘] ∈ ℛ 𝑚𝑚 » représente le vecteur de sortie du système. « A𝑑𝑑 », « B𝑑𝑑 » et « C𝑑𝑑 » sont respectivement les
matrices de transition, de commande et d’observation, elles sont supposées constantes et de dimensions
convenables. « 𝑤𝑤 » et « 𝜇𝜇 » sont respectivement les séquences de bruit de l’état et de la mesure qui sont
supposés des bruits blancs 2, gaussiens 3 , décorrélés, de moyenne nulle et de covariances connues, de plus,
ils sont entièrement caractérisés par des matrices de covariances « 𝑄𝑄 » et « 𝑅𝑅 » qui sont symétriques et définies
positives. Ensuite, nous écrirons les différentes relations exprimées dans (IV.80).
2 Un bruit blanc ne peut pas être prédit (c.-à-d. 𝑤𝑤[𝑘𝑘+1] et 𝜇𝜇[𝑘𝑘+1] sont indépendants de 𝑤𝑤[𝑘𝑘] et 𝜇𝜇[𝑘𝑘] )
3 Un bruit gaussien est entièrement défini par sa moyenne ainsi que sa matrice de variance-covariance.
- 86 -
𝐸𝐸� 𝑤𝑤̇ � = 𝐸𝐸� 𝜇𝜇̇̇ � = 0
𝐸𝐸� 𝑤𝑤. 𝜇𝜇 𝑇𝑇̇ � = 0
� 𝑥𝑥0 ∶ 𝑙𝑙 ′ é𝑡𝑡𝑡𝑡𝑡𝑡 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝑑𝑑𝑑𝑑 « 𝑥𝑥̇̇ » � 𝐸𝐸� 𝑤𝑤. 𝑥𝑥0𝑇𝑇̇ � = 𝐸𝐸� 𝜇𝜇. 𝑥𝑥0𝑇𝑇̇ � = 0 (IV.80)
𝑄𝑄 = 𝑐𝑐𝑐𝑐𝑐𝑐�𝑤𝑤̈̇ � = 𝐸𝐸� 𝑤𝑤. 𝑤𝑤 𝑇𝑇̇ �
𝑅𝑅 = 𝑐𝑐𝑐𝑐𝑐𝑐�𝜇𝜇̈⃛� = 𝐸𝐸� 𝜇𝜇. 𝜇𝜇 𝑇𝑇̇ �
Notez que « 𝐸𝐸 { } » dénote l’espérance mathématique, le principe de fonctionnement d’un filtre de Kalman
se décompose en deux étapes : une de prédiction permet d’estimer l’état à l’instant « (𝑘𝑘 + 1). 𝑇𝑇𝑒𝑒 » en fonction
des variables d’état et de la mesure effectuée à l’instant « 𝑘𝑘. 𝑇𝑇𝑒𝑒 » 4 en basant sur les équations du modèle
déterministe, la deuxième étape est la phase de correction consistant à mettre à jour l’estimation de l’état
« 𝑥𝑥�[𝑘𝑘+1] » en utilisant la nouvelle mesure à cet instant ainsi que l’estimation a priori « 𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘] », tel que :
𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘] = A𝑑𝑑 . 𝑥𝑥�[𝑘𝑘 | 𝑘𝑘] + B𝑑𝑑 . 𝑢𝑢[𝑘𝑘]

(IV.81)
𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘+1] = 𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘] + 𝒦𝒦[𝑘𝑘+1] . �𝑦𝑦[𝑘𝑘+1] − C� 𝑑𝑑 . 𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘] �
« 𝒦𝒦 » est le gain de Kalman qui sera déterminé par la suite, en revanche, nous pouvons définir les erreurs
de prédiction et leurs matrices de covariance comme suit :
𝜀𝜀�𝑥𝑥 .[𝑘𝑘+1] = 𝑥𝑥[𝑘𝑘+1] − 𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘]
(IV.82)
𝜀𝜀𝑥𝑥 [𝑘𝑘+1] = 𝑥𝑥[𝑘𝑘+1] − 𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘+1]
𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] = 𝐸𝐸� 𝜀𝜀�𝑥𝑥 .[𝑘𝑘+1] . 𝜀𝜀�𝑥𝑥 .[𝑘𝑘+1] 𝑇𝑇 �

(IV.83)
𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘+1] = 𝐸𝐸� 𝜀𝜀𝑥𝑥 [𝑘𝑘+1] . 𝜀𝜀𝑥𝑥 [𝑘𝑘+1] 𝑇𝑇 �
Notez que « 𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] » et « 𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘+1] » sont les matrices de covariances de l’erreur d’estimation qui sont
définies positives, elles peuvent donner une indication sur la précision de l’estimation. En substituant les
équations (IV.79) et (IV.81) dans la première erreur de (IV.82), on obtient :
𝜀𝜀�𝑥𝑥 .[𝑘𝑘+1] = A𝑑𝑑 . 𝑥𝑥[𝑘𝑘] + 𝑤𝑤[𝑘𝑘] − A𝑑𝑑 . 𝑥𝑥�[𝑘𝑘 | 𝑘𝑘] = A𝑑𝑑 . �𝑥𝑥[𝑘𝑘] − 𝑥𝑥�[𝑘𝑘 | 𝑘𝑘] � + 𝑤𝑤[𝑘𝑘] = A𝑑𝑑 . 𝜀𝜀𝑥𝑥 [𝑘𝑘] + 𝑤𝑤[𝑘𝑘] (IV.84)
De cette équation, on peut écrire :

𝑇𝑇
𝐸𝐸� 𝜀𝜀�𝑥𝑥 .[𝑘𝑘+1] . 𝜀𝜀�𝑥𝑥 .[𝑘𝑘+1] 𝑇𝑇 � = 𝐸𝐸 ��A𝑑𝑑 . 𝜀𝜀𝑥𝑥 [𝑘𝑘] + 𝑤𝑤[𝑘𝑘] �. �A𝑑𝑑 . 𝜀𝜀𝑥𝑥 [𝑘𝑘] + 𝑤𝑤[𝑘𝑘] � �
(IV.85)
= A𝑑𝑑 . 𝐸𝐸�𝜀𝜀𝑥𝑥 [𝑘𝑘] . 𝜀𝜀𝑥𝑥 [𝑘𝑘] 𝑇𝑇 � . A𝑇𝑇𝑑𝑑 + 𝐸𝐸�𝑤𝑤[𝑘𝑘] . 𝑤𝑤[𝑘𝑘] 𝑇𝑇 �
On peut définir l’expression de « 𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] » par :

𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] = A𝑑𝑑 . 𝑃𝑃[𝑘𝑘 | 𝑘𝑘] . A𝑇𝑇𝑑𝑑 + 𝑄𝑄[𝑘𝑘] (IV.86)
Ensuite, on doit chercher la matrice possédant les gains de retour pour minimiser la trace de la matrice de
covariance du vecteur d’état « 𝑥𝑥 », par l’utilisation des équations (IV.81), (IV.82) et (IV.84), on peut écrire :
𝜀𝜀�𝑥𝑥 .[𝑘𝑘+1] = A𝑑𝑑 . �𝑥𝑥[𝑘𝑘] − 𝑥𝑥�[𝑘𝑘 | 𝑘𝑘] � + 𝑤𝑤[𝑘𝑘]
= A𝑑𝑑 . �𝑥𝑥[𝑘𝑘] − 𝑥𝑥�[𝑘𝑘 | 𝑘𝑘−1] − 𝒦𝒦[𝑘𝑘] . �𝑦𝑦[𝑘𝑘] − C𝑑𝑑 . 𝑥𝑥�[𝑘𝑘 | 𝑘𝑘−1] �� + 𝑤𝑤[𝑘𝑘]
(IV.87)
= A𝑑𝑑 . �𝑥𝑥[𝑘𝑘] − 𝑥𝑥�[𝑘𝑘 | 𝑘𝑘−1] − 𝒦𝒦[𝑘𝑘] . �C𝑑𝑑 . 𝑥𝑥[𝑘𝑘] + 𝜇𝜇[𝑘𝑘] − C𝑑𝑑 . 𝑥𝑥�[𝑘𝑘 | 𝑘𝑘−1] �� + 𝑤𝑤[𝑘𝑘]
= �A𝑑𝑑 − A𝑑𝑑 . 𝒦𝒦[𝑘𝑘] . C𝑑𝑑 � . 𝜀𝜀�𝑥𝑥 .[𝑘𝑘] − A𝑑𝑑 . 𝒦𝒦[𝑘𝑘] . 𝜇𝜇[𝑘𝑘] + 𝑤𝑤[𝑘𝑘]
4
« 𝑇𝑇𝑒𝑒 » représente la période d’échantillonnage.
- 87 -
En substituant la relation (IV.87) dans l’équation (IV.83), on peut avoir :
𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] = 𝐸𝐸� 𝜀𝜀�𝑥𝑥 .[𝑘𝑘+1] . 𝜀𝜀�𝑥𝑥 .[𝑘𝑘+1] 𝑇𝑇 �

𝑇𝑇
= �A𝑑𝑑 − A𝑑𝑑 . 𝒦𝒦[𝑘𝑘] . C𝑑𝑑 �. P[𝑘𝑘|𝑘𝑘−1] . �A𝑑𝑑 − A𝑑𝑑 . 𝒦𝒦[𝑘𝑘] . C𝑑𝑑 � + �A𝑑𝑑 . 𝒦𝒦[𝑘𝑘] �. 𝑅𝑅[𝑘𝑘] . �A𝑑𝑑 . 𝒦𝒦[𝑘𝑘] � + 𝑄𝑄[𝑘𝑘]
𝑇𝑇
(IV.88)
𝑇𝑇
= A𝑑𝑑 . 𝑃𝑃[𝑘𝑘 | 𝑘𝑘−1] . A𝑇𝑇𝑑𝑑 + 𝑄𝑄[𝑘𝑘] + A𝑑𝑑 . ��𝒦𝒦[𝑘𝑘] . C𝑑𝑑 �. 𝑃𝑃[𝑘𝑘 | 𝑘𝑘−1] . �𝒦𝒦[𝑘𝑘] . C𝑑𝑑 � + 𝒦𝒦[𝑘𝑘] . 𝑅𝑅[𝑘𝑘] . 𝒦𝒦[𝑘𝑘] � . A𝑇𝑇𝑑𝑑
𝑇𝑇
−A𝑑𝑑 . �𝑃𝑃[𝑘𝑘 | 𝑘𝑘−1] . �𝒦𝒦[𝑘𝑘] . C𝑑𝑑 � + �𝒦𝒦[𝑘𝑘] . C𝑑𝑑 �. 𝑃𝑃[𝑘𝑘 | 𝑘𝑘−1] � . A𝑇𝑇𝑑𝑑
Dans le sens de réduire la variance a priori de l’erreur d’estimation, on peut écrire : (Alazard, 17)
𝑛𝑛
𝐽𝐽 = � (𝜀𝜀�𝑥𝑥 .𝑖𝑖 )2 = 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡�𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] � (IV.89)
𝑖𝑖=1
Le gain optimal « 𝒦𝒦 » peut être calculé par la relation suivante : (Zheng, 08)
𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕�𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] �
= 2. A𝑇𝑇𝑑𝑑 . �−𝑃𝑃[𝑘𝑘 | 𝑘𝑘−1] . C𝑑𝑑𝑇𝑇 + 𝒦𝒦[𝑘𝑘] . �C𝑑𝑑 . 𝑃𝑃[𝑘𝑘 | 𝑘𝑘−1] . C𝑑𝑑𝑇𝑇 + 𝑅𝑅[𝑘𝑘] ��. A𝑑𝑑 = 0 (IV.90)
𝜕𝜕𝜕𝜕
On peut définir donc l’expression finale de la matrice des gains correctifs qui s’exprime par :
−1
𝒦𝒦[𝑘𝑘] = 𝑃𝑃[𝑘𝑘 | 𝑘𝑘−1] . C𝑑𝑑𝑇𝑇 . �C𝑑𝑑 . 𝑃𝑃[𝑘𝑘 | 𝑘𝑘−1] . C𝑑𝑑𝑇𝑇 + 𝑅𝑅[𝑘𝑘] � (IV.91)
La matrice de covariance « 𝑃𝑃 » doit être mise à jour à chaque pas de calcul selon la relation suivante :
𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘+1] = � 𝐼𝐼 − 𝒦𝒦[𝑘𝑘+1] . C𝑑𝑑 �. 𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] (IV.92)
De ce qui précède, on peut résumer l’algorithme du filtre de Kalman discret comme suit :
A - La phase de prédiction dans laquelle une estimation a priori des variables d’état et de la matrice
de covariance de l’erreur sera effectuée selon les relations suivantes :
(IV.93)
𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] = A𝑑𝑑 . 𝑃𝑃[𝑘𝑘 | 𝑘𝑘] . A𝑇𝑇𝑑𝑑 + 𝑄𝑄
B - Une phase de correction a posteriori consistant à optimiser l’estimation en tenant compte de l’écart
entre la mesure effective et la mesure prédite, le terme de correction introduit à la prédiction sera
actualisé à chaque pas de calcul afin d’assurer une erreur de prédiction minimale.
𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘+1] = 𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘] + 𝒦𝒦[𝑘𝑘+1] . �𝑦𝑦[𝑘𝑘+1] − C𝑑𝑑 . 𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘] �
−1
𝒦𝒦[𝑘𝑘+1] = 𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] . C𝑑𝑑𝑇𝑇 . �C𝑑𝑑 . 𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] . C𝑑𝑑𝑇𝑇 + 𝑅𝑅� (IV.94)
𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘+1] = �𝐼𝐼 − 𝒦𝒦[𝑘𝑘+1] . C𝑑𝑑 �. 𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘]
3.2 - Application du filtre de Kalman étendu (EKF)

La caractéristique avantageuse de l’utilisation d’un modèle linéaire avec un bruit gaussien est la facilité de
l’exécution de l’algorithme de l’estimateur de Kalman, sachant que l’état du système est également considéré
gaussien, on doit noter qu’une distribution gaussienne est entièrement déterminée à partir de sa moyenne et
sa matrice de covariance, c’est pourquoi le filtre de Kalman ne possède que des équations pour les moments
d’ordre 1 (la moyenne) et d’ordre 2 (la matrice de covariance de l’erreur d’estimation) (Condomines, 18).
Dans le cas d’un moteur asynchrone triphasé possédant un modèle strictement non linéaire, l’état du système
ne peut plus être considéré gaussien, alors que les moments d’ordre supérieur à 2 doivent être pris en compte
dans l’algorithme d’estimation, le filtre de Kalman étendu (EKF) est une extension de la version linéaire qui
- 88 -
est destinée aux applications de systèmes non linéaires, les équations de cet estimateur peuvent être obtenues
par une linéarisation du modèle autour de l’estimation de l’état actuel, dans le cadre de notre étude, le filtre
de Kalman étendu sera implémenté dans une commande sans capteur mécanique pour estimer la vitesse et
le flux du rotor en adoptant le modèle non linéaire du moteur asynchrone dans un repaire fixe « 𝛼𝛼 − 𝛽𝛽 »,
qui peut être donné par la représentation suivante :
𝑑𝑑 𝑑𝑑
𝑥𝑥 = 𝑓𝑓(𝑥𝑥, ωm , 𝑢𝑢, 𝑤𝑤) 𝑥𝑥 = A . 𝑥𝑥 + B . 𝑢𝑢 + 𝑤𝑤
𝑆𝑆𝑆𝑆𝑆𝑆 � 𝑑𝑑𝑑𝑑 ≡ � 𝑑𝑑𝑑𝑑 (IV.95)
𝑦𝑦 = ℎ(𝑥𝑥, 𝜇𝜇) 𝑦𝑦 = C . 𝑥𝑥 + 𝜇𝜇
En maintenant la supposition que « 𝑤𝑤 » et « 𝜇𝜇 » sont décorrélés de l’état et entre eux, centrés, blancs,
gaussiens et caractérisés par les matrices de covariances « 𝑄𝑄 » et « 𝑅𝑅 », le système à estimer sera défini par :
𝑖𝑖𝛼𝛼𝛼𝛼 −α1 0 Γ. α2 α2 . ωm β 0 1 0
⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 𝑖𝑖𝛽𝛽𝛽𝛽 ⎥ ⎢ 0 −α1 −α2 . ωm Γ. α2 ⎥ ⎢0 β⎥ ⎢0 1⎥ 𝑣𝑣𝛼𝛼𝑠𝑠
𝑥𝑥 = ⎢ ⎥ ; A=⎢ ⎥ ; B=⎢ ⎥ ; C 𝑇𝑇
= ⎢ ⎥ ; 𝑢𝑢 = � �
⎢ 𝜓𝜓𝛼𝛼𝛼𝛼 ⎥ M. Γ 0 −Γ −ωm 0 0 𝑣𝑣𝛽𝛽𝑠𝑠
⎢ ⎥ ⎢ ⎥ ⎢0 0⎥ ⎢ ⎥
⎣ 𝜓𝜓𝛽𝛽𝑟𝑟 ⎦ ⎣ 0 M. Γ ωm −Γ ⎦ ⎣0 0 ⎦ ⎣ 0 0 ⎦
M2 M 1 M2 Lr 1
α1 = β. �R s + � ; α2 = β. ; β = ; δ=1−� � ; τr = ; Γ=
Étant donné que cette représentation décrit un modèle d’état continu de la machine, il est indispensable de
le discrétiser avant d’implémenter le filtre de Kalman étendu, il est valable de supposer que la vitesse angulaire
reste constante pendant chaque intervalle d’échantillonnage (Cava, 89), la discrétisation du modèle (IV.95)
peut être effectuée par un développement limité à l’ordre 1 de « 𝑒𝑒 𝐴𝐴.𝑇𝑇𝑒𝑒 » pour une période d’échantillonnage
« 𝑇𝑇𝑒𝑒 » très faible (Khaila, 03), nous pouvons donc présenter le modèle mathématique discret du moteur
asynchrone comme suit :
𝑥𝑥[𝑘𝑘+1] = A𝑑𝑑 . 𝑥𝑥[𝑘𝑘] + B𝑑𝑑 . 𝑢𝑢[𝑘𝑘] + 𝑤𝑤[𝑘𝑘]
𝑦𝑦[𝑘𝑘] = C𝑑𝑑 . 𝑥𝑥[𝑘𝑘] + 𝜇𝜇[𝑘𝑘]
Avec : A𝑑𝑑 ≅ 𝐼𝐼 + A. 𝑇𝑇𝑒𝑒

B𝑑𝑑 ≅ B. 𝑇𝑇𝑒𝑒
C𝑑𝑑 = C
𝑖𝑖𝛼𝛼𝛼𝛼 [𝑘𝑘] 1 − α1 . 𝑇𝑇𝑒𝑒 0 Γ. α2 . 𝑇𝑇𝑒𝑒 α2 . ωm [𝑘𝑘] . 𝑇𝑇𝑒𝑒 β. 𝑇𝑇𝑒𝑒 0
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
⎢ 𝑖𝑖𝛽𝛽𝛽𝛽 [𝑘𝑘] ⎥ ⎢ 0 1 − α1 . 𝑇𝑇𝑒𝑒 −α2 . ωm [𝑘𝑘] . 𝑇𝑇𝑒𝑒 Γ. α2 . 𝑇𝑇𝑒𝑒 ⎥ ⎢ 0 β. 𝑇𝑇𝑒𝑒 ⎥
𝑥𝑥[𝑘𝑘] =⎢ ⎥ ; A𝑑𝑑 = ⎢ ⎥ ; B𝑑𝑑 = ⎢ ⎥
⎢ 𝜓𝜓𝛼𝛼𝛼𝛼 [𝑘𝑘] ⎥ ⎢ M. Γ. 𝑇𝑇𝑒𝑒 0 1 − Γ. 𝑇𝑇𝑒𝑒 −ωm [𝑘𝑘] . 𝑇𝑇𝑒𝑒 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ 0 0 ⎥
⎣ 𝜓𝜓𝛽𝛽𝑟𝑟 [𝑘𝑘] ⎦ ⎣ 0 M. Γ. 𝑇𝑇𝑒𝑒 ωm [𝑘𝑘] . 𝑇𝑇𝑒𝑒 1 − Γ. 𝑇𝑇𝑒𝑒 ⎦ ⎣ 0 0 ⎦
Sachant que le EKF n’est que l’application du filtre de Kalman discret mais dans le cas non linéaire,
le modèle mathématique du MAS doit être linéarisé autour d’un point de fonctionnement actuel d’une part et
d’autre part, il doit être étendu en ajoutant la variable que l’on désire à estimer au vecteur d’état, on considère
la représentation non linéaire suivante :
𝑥𝑥[𝑘𝑘+1] = 𝑓𝑓�𝑥𝑥[𝑘𝑘] , 𝑢𝑢[𝑘𝑘] � + 𝑤𝑤[𝑘𝑘]
𝑦𝑦[𝑘𝑘] = ℎ�𝑥𝑥[𝑘𝑘] � + 𝜇𝜇[𝑘𝑘]
« 𝑥𝑥 = [ 𝑖𝑖𝛼𝛼𝛼𝛼 𝑖𝑖𝛽𝛽𝛽𝛽 𝜓𝜓𝛼𝛼𝛼𝛼 𝜓𝜓𝛽𝛽𝑟𝑟 ωm ]𝑇𝑇 » représente le vecteur d’état étendu, « 𝑓𝑓 » et « ℎ » sont des fonctions
non linéaires relatif au modèle (IV.95) et qui sont définies par (IV.98) et (IV.99).
- 89 -
�1̇ − α1 . 𝑇𝑇𝑒𝑒 �. 𝑖𝑖𝛼𝛼𝛼𝛼 [𝑘𝑘] + Γ. α2 . 𝑇𝑇𝑒𝑒 . 𝜓𝜓𝛼𝛼𝛼𝛼 [𝑘𝑘] + α2 . ωm [𝑘𝑘] . 𝑇𝑇𝑒𝑒 . 𝜓𝜓𝛽𝛽𝑟𝑟 [𝑘𝑘] + β. 𝑇𝑇𝑒𝑒 . 𝑣𝑣𝛼𝛼𝑠𝑠 [𝑘𝑘]
⎡ ⎤
⎢ ̇ ⎥
⎢ �1 − α1 . 𝑇𝑇𝑒𝑒 �. 𝑖𝑖𝛽𝛽𝛽𝛽 [𝑘𝑘] − α2 . ωm [𝑘𝑘] . 𝑇𝑇𝑒𝑒 . 𝜓𝜓𝛼𝛼𝛼𝛼 [𝑘𝑘] + Γ. α2 . 𝑇𝑇𝑒𝑒 . 𝜓𝜓𝛽𝛽𝑟𝑟 [𝑘𝑘] + β. 𝑇𝑇𝑒𝑒 . 𝑣𝑣𝛽𝛽𝑠𝑠 [𝑘𝑘] ⎥
⎢ ⎥
𝑓𝑓 = ⎢ Γ. M. 𝑇𝑇𝑒𝑒 . 𝑖𝑖𝛼𝛼𝛼𝛼 [𝑘𝑘] + �1̇ − Γ. 𝑇𝑇𝑒𝑒 �. 𝜓𝜓𝛼𝛼𝛼𝛼 [𝑘𝑘] − ωm [𝑘𝑘] . 𝑇𝑇𝑒𝑒 . 𝜓𝜓𝛽𝛽𝑟𝑟 [𝑘𝑘] ⎥ (IV.98)
⎢ ⎥
⎢ Γ. M. 𝑇𝑇𝑒𝑒 . 𝑖𝑖𝛽𝛽𝛽𝛽 [𝑘𝑘] + ωm [𝑘𝑘] . 𝑇𝑇𝑒𝑒 . 𝜓𝜓𝛼𝛼𝛼𝛼 [𝑘𝑘] + �1̇ − Γ. 𝑇𝑇𝑒𝑒 �. 𝜓𝜓𝛽𝛽𝑟𝑟 [𝑘𝑘] ⎥
⎢ ⎥
⎣ ωm [𝑘𝑘] ⎦
ℎ = [𝑖𝑖𝛼𝛼𝛼𝛼 [𝑘𝑘] 𝑖𝑖𝛽𝛽𝛽𝛽 [𝑘𝑘] ]𝑇𝑇 (IV.99)
Afin d’implémenter l’algorithme du EKF, il est nécessaire d’initialiser le vecteur d’état « 𝑃𝑃0 » et les matrices
de covariance « 𝑄𝑄 » et « 𝑅𝑅 » qui sont définies positives, diagonales et de dimension convenable.
𝑞𝑞𝑐𝑐 0 0 0 0 𝑝𝑝𝑐𝑐 0 0 0 0
⎡ ⎤ ⎡ ⎤
⎢ 0 𝑞𝑞𝑐𝑐 0 0 0 ⎥ ⎢ 0 𝑝𝑝𝑐𝑐 0 0 0 ⎥
𝑟𝑟 0
𝑄𝑄 = ⎢ 0 0 𝑞𝑞𝜓𝜓 0 0 ⎥ ; 𝑅𝑅 = � � ; 𝑃𝑃0 = ⎢ 0 0 𝑝𝑝𝜓𝜓 0 0 ⎥ (IV.100)
⎢ ⎥ 0 𝑟𝑟 ⎢ ⎥
⎢ 0 0 0 𝑞𝑞𝜓𝜓 0 ⎥ ⎢ 0 0 0 𝑝𝑝𝜓𝜓 0 ⎥
⎣ 0 0 0 0 𝑞𝑞𝜔𝜔 ⎦ ⎣ 0 0 0 0 𝑝𝑝𝜔𝜔 ⎦
Sachant que le vecteur d’état initial « 𝑥𝑥0 » peut être représenté par un vecteur nul, l’initialisation de « 𝑃𝑃0 »
n’est pas si décisive comme les matrices « 𝑄𝑄 » et « 𝑅𝑅 », c’est à travers ces deux matrices qu’on peut réaliser
les différentes étapes de prédiction et de correction de l’état du système, on peut les considérer comme
des degrés de liberté du filtre de Kalman, où le choix des éléments de ces matrices minimise l’influence
des incertitudes sur la qualité de l’estimation, et seul un ajustement en ligne permet de valider le
fonctionnement acceptable de l’estimateur, en revanche, un mauvais choix de ces éléments peut conduire à
une instabilité du système. Dans (Chan, 11), les auteurs ont fait une analyse de performance d’un EKF pour
différentes valeurs des matrices de covariance, le choix de la matrice « 𝑅𝑅 » permet de définir le poids relatif à
la mesure, une faible valeur indique l’absence de bruit sur les grandeurs mesurées, permettant ainsi de donner
un poids important aux informations de la mesure, d’un autre côté, le choix des éléments de « 𝑄𝑄 » qui est
relative au bruit de l’état, reflet le degré de validité du modèle utilisé dans la phase de prédiction, des valeurs
élevées de « 𝑄𝑄 » signifient la présence de nombreuses erreurs de modélisation ou de discrétisation ; si ce n’est
pas le cas, la qualité de l’estimation peut être significativement dégradée.
L’exécution du filtre de Kalman étendu commence par la phase de la prédiction de l’état « 𝑥𝑥[𝑘𝑘+1] » en
basant sur la connaissance de l’état précèdent, l’utilisation du modèle (IV.97) permet d’écrire :
𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘] = 𝑓𝑓� 𝑥𝑥�[𝑘𝑘 | 𝑘𝑘] , 𝑢𝑢[𝑘𝑘] � (IV.101)
D’autre part, la matrice de covariance de l’erreur d’estimation doit être essentiellement prédite afin de
déterminer l’action de correction de l’estimateur, l’utilisation de la matrice jacobéenne du système (IV.98)
permet de linéariser le modèle mathématique du MAS, tandis que la matrice « 𝑃𝑃 » sera estimée par (IV.102).
𝑇𝑇
𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] = 𝐹𝐹[𝑘𝑘] . 𝑃𝑃[𝑘𝑘 | 𝑘𝑘] . 𝐹𝐹[𝑘𝑘] + 𝑄𝑄 (IV.102)
1 − α1 . 𝑇𝑇𝑒𝑒 0 Γ. α2 . 𝑇𝑇𝑒𝑒 α2 . ωm . 𝑇𝑇𝑒𝑒 α2 . 𝜓𝜓𝛽𝛽𝑟𝑟 . 𝑇𝑇𝑒𝑒

⎡ ⎤
⎢ 0 1 − α1 . 𝑇𝑇𝑒𝑒 −α2 . ωm . 𝑇𝑇𝑒𝑒 Γ. α2 . 𝑇𝑇𝑒𝑒 −α2 . 𝜓𝜓𝛼𝛼𝛼𝛼 . 𝑇𝑇𝑒𝑒 ⎥
𝜕𝜕𝜕𝜕�𝑥𝑥[𝑘𝑘] , 𝑢𝑢[𝑘𝑘] � ⎢ ⎥
𝐹𝐹[𝑘𝑘] = � = ⎢ M. Γ. 𝑇𝑇𝑒𝑒 0 1 − Γ. 𝑇𝑇𝑒𝑒 −ωm . 𝑇𝑇𝑒𝑒 −𝜓𝜓𝛽𝛽𝑟𝑟 . 𝑇𝑇𝑒𝑒 ⎥
𝜕𝜕𝜕𝜕 𝑥𝑥= ⎢ ⎥
𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘]
⎢ 0 M. Γ. 𝑇𝑇𝑒𝑒 ωm . 𝑇𝑇𝑒𝑒 1 − Γ. 𝑇𝑇𝑒𝑒 𝜓𝜓𝛼𝛼𝛼𝛼 . 𝑇𝑇𝑒𝑒 ⎥
⎢ ⎥
⎣ 0 0 0 0 1 ⎦
- 90 -
La prédiction de la matrice de covariance de l’erreur d’estimation permet de déterminer le gain de Kalman

caractérisant l’action de correction de l’estimateur, le calcul de la matrice « 𝒦𝒦 » sera effectué pour chaque pas
d’échantillonnage selon l’expression suivante :
̇ −1
𝒦𝒦[𝑘𝑘+1] = 𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] . 𝐻𝐻𝑇𝑇 . �𝐻𝐻. 𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] . 𝐻𝐻 𝑇𝑇̇ + 𝑅𝑅� (IV.103)
𝜕𝜕ℎ�𝑥𝑥[𝑘𝑘] � 1 0 0 0 0
Avec : 𝐻𝐻 = � =� �
𝜕𝜕𝜕𝜕 𝑥𝑥= 0 1 0 0 0
𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘]
L’identification de la matrice de correction assure la mise à jour de l’état prédit comme suit :
𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘+1] = 𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘] + 𝒦𝒦[𝑘𝑘+1] . � 𝑦𝑦[𝑘𝑘+1] − 𝐻𝐻̇̇ . 𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘] � (IV.104)
« 𝑦𝑦[𝑘𝑘+1] » représente le vecteur des états mesurés qui sont les courants « 𝑖𝑖𝛼𝛼𝛼𝛼 [𝑘𝑘+1] » et « 𝑖𝑖𝛽𝛽𝛽𝛽 [𝑘𝑘+1] », la matrice
de covariance de l’erreur doit être également actualisée à chaque pas d’échantillonnage afin d’assurer la mise
à jour de l’action corrective ainsi que les variables d’état estimés.
𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘+1] = �𝐼𝐼 − 𝒦𝒦[𝑘𝑘+1] . 𝐻𝐻̇̇� . 𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] (IV.105)
La figure (IV.5) illustre l’organigramme exécutif du filtre de Kalman étendu, tandis que dans l’annexe ‘C’,
nous présentons le programme M-File/Matlab permettant de simuler le comportement de cet estimateur.
𝑥𝑥�0 𝜕𝜕𝜕𝜕�𝑥𝑥[𝑘𝑘] , 𝑢𝑢[𝑘𝑘] � 𝜕𝜕ℎ�𝑥𝑥[𝑘𝑘] �

𝐹𝐹[𝑘𝑘] = � ; 𝐻𝐻 = �
𝜕𝜕𝜕𝜕 𝑥𝑥=
𝜕𝜕𝜕𝜕 𝑥𝑥=
𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘] 𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘]
Linéarisation
Phase de correction (Innovation)

𝑥𝑥�0 ; 𝑃𝑃0
𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘+1] = 𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘] + 𝒦𝒦[𝑘𝑘+1] . � 𝑦𝑦[𝑘𝑘+1] − 𝐻𝐻. 𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘] �
𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘+1] = �𝐼𝐼 − 𝒦𝒦[𝑘𝑘+1] . 𝐻𝐻�. 𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘]

𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] = A𝑑𝑑 . 𝑃𝑃[𝑘𝑘 | 𝑘𝑘] . A𝑇𝑇𝑑𝑑 + 𝑄𝑄
Gain de Kalman « 𝒦𝒦 » Phase de prédiction (Estimation)
−1
𝒦𝒦[𝑘𝑘+1] = 𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] . 𝐻𝐻𝑇𝑇 . �𝐻𝐻. 𝑃𝑃[𝑘𝑘+1 | 𝑘𝑘] . 𝐻𝐻𝑇𝑇 + 𝑅𝑅�
Figure IV.5 : Un cycle de calcul pour l’estimation de l’état d’un MAS par un filtre de Kalman étendu
3.3 - Filtre de Kalman étendu d’ordre réduit (RO-EKF)

L’observation des variables inconnues d’un système non linéaire entraîne généralement un vecteur d’état
augmenté qui conduit à une mise en œuvre intensive en calcul, il est connu que le principal inconvénient du
filtre de Kalman étendu est représenté par sa grande charge de calcul notamment pour les systèmes d’ordre
élevé (Thongam, 07), d’un autre côté, la discrétisation effectuée en basant sur un développement limité à
l’ordre 1 ne sera plus valable si on adopte une période d’échantillonnage relativement importante, cela pourrait
conduire à des performances sous-optimales et parfois à une divergence de l’estimateur. Sachant que les
- 91 -
différentes variantes de EKF sont développées pour surmonter ces obstacles (Hilairet, 09 ; Rigatos, 11),
la solution proposée dans cette sous-section consiste à réduire l’ordre du vecteur d’état à estimer pour aboutir
à un nouveau modèle discret plus valable. Étant donné que les courants statoriques observés ne sont pas
utilisables dans l’algorithme global du contrôle, la dynamique de ces variables ne sera plus incluse dans le
nouveau vecteur d’état, en revanche, ils seront la base de la génération d’une nouvelle variable qui sera
considérée comme un nouveau vecteur de mesure pour ce filtre de Kalman étendu d’ordre réduit (RO-EKF).
Dans un référentiel lié au stator « 𝛼𝛼 − 𝛽𝛽 », les équations électriques et magnétiques d’un moteur asynchrone
peuvent être représentées par la forme vectorielle suivante :
𝑣𝑣̇��⃗s = R s . ��⃗ ��⃗𝑠𝑠 ⁄𝑑𝑑𝑑𝑑

𝚤𝚤̇𝑠𝑠 + 𝑑𝑑𝜓𝜓
(IV.106)
0 ��⃗𝑟𝑟 ⁄𝑑𝑑𝑑𝑑 − 𝑗𝑗. ωm . ��⃗
�⃗ = R r . 𝚤𝚤̇��⃗𝑟𝑟 + 𝑑𝑑𝜓𝜓 𝜓𝜓𝑟𝑟
��⃗
𝚤𝚤̇𝑠𝑠 + M. ��⃗
𝚤𝚤̇𝑟𝑟
(IV.107)
��⃗
𝚤𝚤̇𝑟𝑟 + M. ��⃗
𝚤𝚤̇𝑠𝑠
En substituant les équations magnétiques (IV.107) dans l’expression de la tension statorique, on obtient :
��⃗𝑟𝑟
M 𝑑𝑑𝜓𝜓 𝑑𝑑𝚤𝚤̇��⃗𝑠𝑠
𝑣𝑣̇��⃗s = R s . ��⃗
𝚤𝚤̇𝑠𝑠 + . + δ. Ls . (IV.108)
Lr 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑
Les auteurs de (Leite, 04) ont utilisé la variable « (M⁄Lr ) . 𝑑𝑑𝜓𝜓��⃗𝑟𝑟 ⁄𝑑𝑑𝑑𝑑 » comme un vecteur de mesure,
la dérivée temporelle du courant statorique intervient essentiellement dans le calcul de cette variable, compte
tenu de la sensibilité des dérivateurs aux signaux échantillonnés, le vecteur de mesure peut être énormément
bruité, ce qui pourrait conduire à des fortes valeurs de la matrice de covariance « 𝑅𝑅 » et réduire le poids relatif
à la mesure dans l’algorithme d’estimation, par contre, on peut calculer le flux rotorique comme suit :
Lr
��⃗
𝜓𝜓𝑟𝑟 = . � � � 𝑣𝑣̇��⃗s − Ṙ̇ s . ��⃗
𝚤𝚤̇𝑠𝑠 � . 𝑑𝑑𝑑𝑑 + δ. Ls . ��⃗
𝚤𝚤̇𝑠𝑠 � (IV.109)
M
Vu que les composantes du flux rotorique « 𝜓𝜓𝛼𝛼𝑟𝑟 » et « 𝜓𝜓𝛽𝛽𝑟𝑟 » seront calculées à travers les courants et les
tensions statoriques sans passer par la dérivée du courant, il est convenable de les considérer comme des
grandeurs de mesure, la représentation d’état du modèle réduit sera donc exprimée par le système suivant :
𝑟𝑟 𝑟𝑟 𝑟𝑟
𝑥𝑥[𝑘𝑘+1] = A𝑟𝑟𝑑𝑑 . 𝑥𝑥[𝑘𝑘] + B𝑑𝑑𝑟𝑟 . 𝑢𝑢[𝑘𝑘] + 𝑤𝑤[𝑘𝑘]
𝑆𝑆𝑆𝑆𝑆𝑆_𝑜𝑜. 𝑟𝑟 � (IV.110)
𝑟𝑟 𝑟𝑟
𝑦𝑦[𝑘𝑘] = ℎ𝑟𝑟 �𝑥𝑥[𝑘𝑘] � + 𝜇𝜇[𝑘𝑘]
𝜓𝜓𝛼𝛼𝛼𝛼 [𝑘𝑘] 1 − Γ. 𝑇𝑇𝑒𝑒 −ωm [𝑘𝑘] . 𝑇𝑇𝑒𝑒 0 𝑇𝑇𝑒𝑒 0

𝑖𝑖𝛼𝛼𝑠𝑠
𝑟𝑟
𝑥𝑥[𝑘𝑘] = � 𝜓𝜓𝛽𝛽𝑟𝑟 [𝑘𝑘] � ; A𝑟𝑟𝑑𝑑 = � ωm [𝑘𝑘] . 𝑇𝑇𝑒𝑒 1 − Γ. 𝑇𝑇𝑒𝑒 0 � ; B𝑑𝑑𝑟𝑟 = M. Γ. � 0 𝑇𝑇𝑒𝑒 � ; 𝑢𝑢 = � �
𝑖𝑖𝛽𝛽𝑠𝑠
ωm [𝑘𝑘] 0 0 1 0 0
Lr
⎡ . � � �𝑣𝑣𝛼𝛼𝑠𝑠 [𝑘𝑘] − Ṙ̇ s . 𝑖𝑖𝛼𝛼𝑠𝑠 [𝑘𝑘] � . 𝑑𝑑𝑑𝑑 + δ. Ls . 𝑖𝑖𝛼𝛼𝑠𝑠 [𝑘𝑘] � ⎤ 𝜓𝜓�𝛼𝛼𝛼𝛼 [𝑘𝑘] 𝑦𝑦1 [𝑘𝑘]
𝑟𝑟 ⎢ M ⎥
ℎ�𝑥𝑥[𝑘𝑘] � = =� �=� �
⎢ Lr ̇ ̇ ⎥ �
𝜓𝜓𝛽𝛽𝑟𝑟 [𝑘𝑘] 𝑦𝑦
. � � �𝑣𝑣𝛽𝛽𝑠𝑠 [𝑘𝑘] − R s . 𝑖𝑖𝛽𝛽𝑠𝑠 [𝑘𝑘] � . 𝑑𝑑𝑑𝑑 + δ. Ls . 𝑖𝑖𝛽𝛽𝑠𝑠 [𝑘𝑘] � 2 [𝑘𝑘]
⎣ M ⎦
𝑞𝑞𝜓𝜓 0 0
𝑟𝑟̇̇
𝑟𝑟 0
𝑄𝑄 = 𝑐𝑐𝑐𝑐𝑐𝑐�𝑤𝑤 � = � 0 𝑞𝑞𝜓𝜓 0 � ; 𝑅𝑅 = 𝑐𝑐𝑐𝑐𝑐𝑐�𝜇𝜇𝑟𝑟̇̇ � = � �
0 𝑟𝑟
0 0 𝑞𝑞𝜔𝜔
- 92 -
L’estimation de la vitesse angulaire sera effectuée par un filtre de Kalman d’ordre réduit, l’algorithme
d’estimation montré dans la figure (IV.5) sera exécuté sur la base de la représentation d’état (IV.110), dont les
matrices gradients qui permettent de linéariser le nouveau modèle sont données par les relations suivantes :
𝑟𝑟
1 − Γ. 𝑇𝑇𝑒𝑒 −ωm . 𝑇𝑇𝑒𝑒 −𝜓𝜓𝛽𝛽𝑟𝑟 . 𝑇𝑇𝑒𝑒
𝜕𝜕𝜕𝜕�A𝑟𝑟𝑑𝑑 . 𝑥𝑥[𝑘𝑘] + B𝑑𝑑𝑟𝑟 . 𝑢𝑢[𝑘𝑘] �
𝐹𝐹[𝑘𝑘] = � = � ωm . 𝑇𝑇𝑒𝑒 1 − Γ. 𝑇𝑇𝑒𝑒 𝜓𝜓𝛼𝛼𝛼𝛼 . 𝑇𝑇𝑒𝑒 �
𝜕𝜕𝜕𝜕 𝑥𝑥=𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘]
0 0 1
(IV.111)
𝑟𝑟
𝜕𝜕ℎ�𝑥𝑥[𝑘𝑘] � 1 0 0
𝐻𝐻 = � =� �
𝜕𝜕𝜕𝜕 𝑥𝑥=𝑥𝑥�[𝑘𝑘+1 | 𝑘𝑘] 0 1 0
La version RO-EKF a été élaborée pour assurer une exécution optimale de l’algorithme du filtre de Kalman
étendu, supposons une période d’échantillonnage « 𝑇𝑇𝑒𝑒 » qui ne soit pas suffisante pour que le EKF exécute
correctement toutes les opérations de son l’algorithme, cela est capable de diverger l’estimation et même de
déstabiliser le contrôle global, il est nécessaire donc d’utiliser un calculateur plus puissant (ce qui provoque
une augmentation du coût), ou d’agrandir « 𝑇𝑇𝑒𝑒 » pour que EKF puisse assurer toutes les opérations requises,
cette dernière proposition risque également de dégrader la qualité de l’observation étant donné que la
discrétisation du modèle pourrait devenir invalide en raison de l’hypothèse prise dans le développement limité
d’ordre 1. En revanche, nous pouvons constater une remarquable simplification dans la structure du RO-EKF,
dont le calcul des différentes phases de l’algorithme sera effectué par un modèle d’ordre 3 au lieu d’un modèle
d’ordre 5, signifiant que moins de variables seront prédites et moins de paramètres correctifs seront déterminés,
cette simplification permet de surmonter les limitations relatives au temps de calcul et donne l’avantage au
RO-EKF d’exécuter correctement avec des périodes d’échantillonnage différentes.
4 - Résultats et discussion
La validation de chaque technique élaborée sera validée par simulation numérique en utilisant
MATLAB/Simulink, les différents observateurs vont être associés à la commande VGB afin de réaliser une
commande sans capteur de vitesse, les paramètres de régulation de la stratégie du contrôle sont précédemment
présentés dans le tableau (III.1), tandis que la configuration de chaque estimateur développé sera présentée
dans le tableau (IV.2), les deux structures du filtre de Kalman ont été simulées en basant sur un programme
S-Function/Matlab dont les M-Files décrivant les algorithmes sont présentés dans l’annexe ‘C’. On doit noter
que toutes les techniques d’estimation seront testées sous les mêmes conditions, dont la méthode de calcul
de Runge-Kutta (ode4) sera utilisée pour la résolution des équations dynamiques de chaque algorithme avec
une période d’échantillonnage de 25μ𝑠𝑠.
Paramètres d’estimation
FAO 𝑙𝑙1 = 10 ; 𝑙𝑙3 = 0.5 ; 𝑙𝑙4 = 0 ; 𝑘𝑘𝑎𝑎 = 900 ; 𝑘𝑘𝑖𝑖 = 4 . 106 ; 𝑘𝑘𝑒𝑒 = 2.5 ; 𝑘𝑘𝑑𝑑𝑑𝑑 = 1
SMO – 1 𝜌𝜌1 = 0.25 ; 𝜌𝜌2 = − 𝜌𝜌1 ⁄𝛼𝛼2 ; 1⁄𝑓𝑓𝑐𝑐_𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆 = 0.005 ; 𝑘𝑘𝑝𝑝 = 900 ; 𝑘𝑘𝑖𝑖 = 15 . 105
Estimateurs
SMO – 2 𝐿𝐿1 = 400 ; 𝐿𝐿2 = 400 ; 1⁄𝑓𝑓𝑐𝑐_𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆 = 0.001
SMO – 3 𝐿𝐿1 = 𝐿𝐿2 = 750 ; 1⁄𝑓𝑓𝑐𝑐_𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆 = 0.001 ; 𝜌𝜌1 = 0.3 ; 𝜂𝜂 = 15 ; 𝑘𝑘𝑝𝑝 = 2 ; 𝑘𝑘𝑖𝑖 = 3 . 105
EKF 𝑞𝑞𝑐𝑐 = 10−4 ; 𝑞𝑞𝜓𝜓 = 10−5 ; 𝑞𝑞𝜔𝜔 = 850 ; 𝑟𝑟 = 15 . 10−1
RO-EKF 𝑞𝑞𝜓𝜓 = 5 .10−7 ; 𝑞𝑞𝜔𝜔 = 550 ; 𝑟𝑟 = 75 . 10−6
Tableau IV.2 : Configuration des différents estimateurs élaborés
- 93 -
120 Ω m* 0.25 Ψr* Ψdr Ψqr
Ω 0.2
m - Mesurée
Vitesse (rad / s)
Ω m - Observée
60 0.15
TL
0.1
0.05
0
-10 0
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
120 121.1
Ψr*
0.2
Ψr
Vitesse (rad / s)
0.1
Ψ -β r
60 120 0
-0.1
0 119 -0.2
0.1 0.2 0.3 0.5 0.9 -0.2 -0.1 0 0.1 0.2 0.3
Temps (s) Temps (s) Ψ -α r
120 0 14 Te * Te
10.5
Vitesse (rad / s)
Couple (N.m)
7
60 -5 3.5
0
-3.5
-8.9 -7
0 -10
-11.1 -10.5
-10
1.1 1.3 1.5 1.9 2.1 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Erreur d'observation (rad / s)
e ε
3 Ω
0.03
Ω
1 0
0
-0.03
-1
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
-3 -4
x 10 x 10
1
Erreur d'observation ( Wb )
ε i - αs ε
Erreur d'observation (A)
1.5 Ψ - αr
ε i - βs ε
0.5 0.75
Ψ - βr
0 0
-0.75
-0.5
-1.5
-1
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
Figure IV.6 : Performance du contrôle VGB sans capteur mécanique en basant sur l’observateur FAO
- 94 -
Ω 0.2
m - Mesurée
Vitesse (rad / s)
Ω m - Observée
60 0.15
TL
0.1
0.05
0
-10 0
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
120 121.2
Ψr*
0.2
Ψr
Vitesse (rad / s)
0.1
Ψ -β r
60 120 0
-0.1
0 118.9 -0.2
0.1 0.2 0.3 0.5 0.9 -0.2 -0.1 0 0.1 0.2 0.3
120 0 14 Te * Te
10.5
Vitesse (rad / s)
Couple (N.m)
7
60 -5 3.5
0
-3.5
-8.9 -7
0 -10
-11.1 -10.5
-10
1.1 1.3 1.5 1.9 2.1 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
e 0.2 ε
4 Ω Ω
3 0.1
2
0
1
0 -0.1
-1 -0.2
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
-3 -3
x 10 x 10
S 1.5 ε Ψ - αr
α
5 S ε Ψ - βr
β 1
0.5
0
0
-5 -0.5
-1
-10
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
Figure IV.7 : Réponse dynamique de la commande VGB basée sur le SMO Type-1
- 95 -
Ω 0.2
m - Mesurée
Vitesse (rad / s)
Ω m - Observée
60 0.15
TL
0.1
0.05
0
-10 0
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
120 121.2
Ψr*
0.2
Ψr
Vitesse (rad / s)
0.1
Ψ -β r
60 120 0
-0.1
0 118.9 -0.2
0.1 0.2 0.3 0.5 0.9 -0.2 -0.1 0 0.1 0.2 0.3
120 0 14 Te * Te
10.5
Vitesse (rad / s)
Couple (N.m)
7
60 -5 3.5
0
-3.5
-8.9 -7
0 -10
-11.1 -10.5
-10
1.1 1.3 1.5 1.9 2.1 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
4 eΩ ε
0.4 Ω
3 0.3
2 0.2
1 0.1
0
0
-0.1
-1
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
-4
x 10
0.02
Sα Sβ ε Ψ - αr ε Ψ - βr
0.01 2.5
0
0
-0.01
-2.5
-0.02
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
Figure IV.8 : Performance du contrôle VGB en utilisant le SMO Type-2
- 96 -
Ω 0.2
m - Mesurée
Vitesse (rad / s)
Ω m - Observée
60 0.15
TL
0.1
0.05
0
-10 0
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
120 121.2 Ψr*

0.2
Ψr
Vitesse (rad / s)
0.1
Ψ -β r
60 120
0
-0.1
0 118.8 -0.2
0.1 0.2 0.3 0.5 0.9 -0.2 -0.1 0 0.1 0.2 0.3
120 0 14 Te * Te
10.5
Vitesse (rad / s)
Couple (N.m)
7
60 -5 3.5
0
-3.5
-8.9 -7
0 -10
-11.1 -10.5
-10
1.1 1.3 1.5 1.9 2.1 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
4 eΩ 0.45 εΩ
0.3
3
0.15
2 0
-0.15
1
-0.3
0
-0.45
-1 -0.6
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
-3 -4
x 10 x 10
x
7.5 Sα Sx Sz Sz 5 ε ε
Surfaces de glissement
β α β Ψ - αr Ψ - βr
5
2.5
2.5
0
0
-2.5
-2.5
-5
-5
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
Figure IV.9 : Performance du contrôle VGB sans capteur mécanique en utilisant le SMO Type-3
- 97 -
Ω 0.2
m - Mesurée
Vitesse (rad / s)
Ω m - Observée
60 0.15
TL
0.1
0.05
0
-10 0
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
120 121.9
Ψr*
0.2
Ψr
Vitesse (rad / s)
0.1
120.6
Ψ -β r
60
0
120
-0.1
0 118.9 -0.2
0.1 0.2 0.3 0.5 0.9 -0.2 -0.1 0 0.1 0.2 0.3
120 0 14 Te * Te
10.5
Vitesse (rad / s)
Couple (N.m)
7
60 -5 3.5
0
-3.5
-8.7
-7
0 -10
-10.5
-10 -11.3
1.1 1.3 1.5 1.9 2.1 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
4 eΩ 1 ε
Ω
3 0.5
2
0
1
0 -0.5
-1
-1
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
-3 -3
x 10 x 10
7.5 ε ε i - βs 2.5 ε ε
Erreur d'observation (A)
i - αs Ψ - αr Ψ - βr
5
0
2.5
0 -2.5
-2.5
-5
-5
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
Figure IV.10 : Réponse dynamique de la commande VGB sans capteur mécanique basée sur un EKF
- 98 -
Ω 0.2
m - Mesurée
Vitesse (rad / s)
Ω m - Observée
60 0.15
TL
0.1
0.05
0
-10 0
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
120
121.1 Ψr*
0.2
Ψr
Vitesse (rad / s)
0.1
Ψ -β r
60 120
0
-0.1
118.9 -0.2
0
0.1 0.2 0.3 0.5 0.9 -0.2 -0.1 0 0.1 0.2 0.3
120 0 14 Te * Te
10.5
Vitesse (rad / s)
Couple (N.m)
7
60 -5 3.5
0
-3.5
-8.7
-7
0 -10
-10.5
-10 -11.3
1.1 1.3 1.5 1.9 2.1 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
4 e ε
Ω Ω
0.2
3
2 0
1 -0.2
0
-0.4
-1
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
-5 -5
x 10 x 10
5
6 ε ε Ψ - αr ε Ψ - βr
y - αs
2.5
ε
Erreur de sortie
3 y - βs
0
0
-2.5
-3
-5
-6
-7.5
0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3 0.1 0.3 0.5 0.9 1.1 1.3 1.5 1.9 2.1 2.3
Temps (s) Temps (s)
Figure IV.11 : Performance du contrôle VGB sans capteur mécanique en basant sur un RO-EKF
- 99 -
Discussion
Chacune des techniques élaborées a été testée dans une trajectoire qui garantit un fonctionnement à basses
et à hautes vitesses, les figures de (IV.6) à (IV.11) montrent les performances de la commande VGB sans
capteur mécanique en basant respectivement sur les observateurs : FAO, SMO-1, SMO-2, SMO-3, EKF et
RO-EKF, chaque figure montre l’évolution de la vitesse mécanique, du flux rotorique, de l’erreur de régulation
de la vitesse, de l’écart d’observation de la vitesse, des erreurs d’observation des courants et du flux, le couple
électromagnétique et la représentation vectorielle du flux rotorique qui pourrait illustrer la qualité de
l’orientation du flux. Il est évident d’après la figure (IV.6), que le FAO assure une haute qualité du contrôle
sans capteur mécanique avec une négligeable erreur d’observation, cette performance est probablement due à
son mécanisme d’adaptation sophistiqué qui est indisponible dans les autres observateurs, cela s’est reflété
positivement sur la qualité du contrôle de flux dans lequel, le découplage entre les composantes directe et
quadrature a été parfaitement réalisé, de plus, les erreurs d’observation sont asymptotiquement nulles.
D’autre part, les techniques adoptant le principe du mode glissant ont également exposé une performance
exceptionnelle. De la figure (IV.7), on peut remarquer que l’utilisation du SMO Type-1 offre un très bon
contrôle de la vitesse et du flux dans les différentes zones de fonctionnement avec des erreurs d’observation
très faibles, d’un autre côté, l’orientation du vecteur flux rotorique a été effectuée d’une manière très
satisfaisante permettant de justifier la bonne qualité de l’estimation du flux rotorique, il convient également de
noter que le phénomène de Chattering n’a eu aucun effet sur la qualité du contrôle ou de l’observation, cela
est principalement dû à la faible valeur des gains requis dans l’évolution de la commande discontinue, assurant
la correction de l’observation des courants statoriques, la condition qui n’existe pas dans le SMO Type-2 qui
exige la génération d’une fonction de commutation de valeur importante, capable de compenser les termes de
couplage possédant une valeur relativement élevée, cette condition pourrait rendre cette méthode plus affectée
par le phénomène de Chattering, même en utilisant un filtre passe-bas pour atténuer la forte commutation de
la fonction de glissement, comme dans le cas de (Li, 05b ; Aichi, 18d), ou comme le cas de (Ben Regaya, 14b),
où les auteurs ont utilisé la logique floue pour améliorer la fonction ‘Signe’ relative à l’action discontinue, cela
signifie que le problème de Chattering présente un obstacle pour ce type d’estimateur. La figure (IV.8) montre
la réponse dynamique de la commande en basant sur un SMO Type-2, si on compare ce résultat avec celui
obtenu par (Aichi, 18d), nous pouvons voir une optimisation notable en ce qui concerne l’élimination du
phénomène de Chattering, cette amélioration est due à l’algorithme de Super-Twisting qui a été adopté pour
compenser les termes d’interconnexion, néanmoins, il reste encore une faible influence sur la qualité du
contrôle comme le montre le tracé du couple électromagnétique, il en va de même pour le SMO Type-3 qui se
repose sur les deux surfaces de glissement générées par le SMO Type-1 et le SMO Type-2, de la figure (IV.9),
on constate une certaine fluctuation dans le couple électromagnétique, cela signifie que les fluctuations
présentées dans la vitesse observée ont un effet négatif sur la qualité des signaux du contrôle générés par
la commande VGB, en revanche, cette figure montre un très bon comportement de la vitesse réelle et du flux
rotorique, car ces variables restent maintenues sur les références. D’un point de vue général, on peut dire que
la commande sans capteur basée sur un SMO Type-2 ou un SMO Type-3 a été réalisée d’une façon acceptable
puisque l’erreur de régulation et les erreurs d’observation ont convergé asymptotiquement vers des valeurs très
faibles, cependant à cause de la complexité de l’algorithme du SMO Type-3, les résultats obtenus ne sont pas
à la hauteur des performances attendues pour notre commande VGB sans capteur mécanique.
La figure (IV.10) montre l’évolution des grandeurs mécaniques et magnétiques du contrôle basé sur le EKF,
bien que les erreurs d’observation du courant et du flux soient très faibles, cela n’a pas empêché un écart
d’observation par rapport à la vitesse mécanique, ce qui à son tour a provoqué une erreur du contrôle, alors
que les résultats seraient catastrophiques si un pas d’échantillonnage plus important était utilisé, en revanche,
il est remarquable que la composante directe du flux rotorique reste maintenue à sa valeur désirée, mais la
composante quadrature n’a pas été complétement annulée, cela signifie que les valeurs prédites par le EKF ne
sont pas les mêmes que celles développées par le moteur, par conséquent, on ne peut pas dire que l’orientation
du flux a été effectuée d’une façon satisfaisante pour garantir que les grandeurs de commande suivront
- 100 -
exactement leurs références, risquant ainsi de réduire la qualité du contrôle global de la machine. D’autre part,
on peut constater une majeure amélioration dans le cas du RO-EKF, les résultats donnés par la figure (IV.11),
met en évidence l’efficacité d’observation de cette méthode, l’amélioration se manifeste dans l’écart
d’observation et de régulation de la vitesse qui sont carrément éliminés, l’erreur d’observation du flux rotorique
ainsi que l’erreur dans la nouvelle mesure sont négligeables, et d’après le tracé du vecteur flux, les deux
composantes ont été parfaitement fixées aux valeurs désirées, cela nous permet de dire que le RO-EKF pourrait
être une solution satisfaisante pour éliminer le capteur physique de la vitesse dans les algorithmes du contrôle.
5 - Etude comparative entre les différents estimateurs élaborés

Pour une analyse approfondie des performances de chaque estimateur, nous présenterons dans cette section
une étude comparative entre les différentes techniques précédemment étudiées dans ce chapitre, à travers
les simulations effectuées, les résultats obtenus seront réutilisés pour comparer la qualité du contrôle de chaque
observateur en basant sur plusieurs critères tels que le niveau de complexité des algorithmes, un critère qui
peut être obtenu à l’aide de l’outil ‘socModelAnalyzer’ présenté dans la version Matlab R2020a v.9.8,
cette instruction permet d’approximer le nombre d’opérations « N. Op » effectuées au cours d’une période
d’échantillonnage, ensuite les écarts de commande et d’observation par rapport à la vitesse mécanique seront
examinés par les indices de performance utilisés dans la Section 6 du ‘Chapitre II’ et qui sont donnés par
les relations (II.89) et (II.90), cela nous permet non seulement de juger la précision de l’observateur, mais aussi
de vérifier la qualité du contrôle sans capteur mécanique, on note également que la qualité du contrôle VGB
avec capteurs « VGB-AC » sera prise en considération afin d’avoir une étude plus précise, les données
des résultats comparatifs seront exposées dans le tableau suivant.
Par rapport à l’erreur d’estimation Par rapport à l’erreur de régulation

« 𝜺𝜺𝛀𝛀 » « 𝒆𝒆𝛀𝛀 »
« 𝜺𝜺𝑴𝑴𝑴𝑴𝑴𝑴 » IAE ISE « 𝒆𝒆𝑴𝑴𝑴𝑴𝑴𝑴 » IAE ISE
N. Op
( rad / s ) ( rad ) ( rad 2 /s ) ( rad / s ) ( rad ) ( rad 2 /s )
VGB-AC - - - - 3.429 0.173 0.169
FAO 56280 0.041 56 . 10−4 38 . 10−6 3.406 0.171 0.168
SMO - 1 424 0.240 0.067 0.006 4.429 0.214 0.270
SMO - 2 555 0.486 0.135 0.020 4.431 0.268 0.282
SMO - 3 607 0.661 0.197 0.039 4.429 0.330 0.306
EKF 1118 1.032 0.636 0.320 4.430 0.740 0.603
RO-EKF 482 0.524 0.102 0.019 4.272 0.260 0.285
Tableau IV.3 : Indices de performance adoptés pour l’étude comparative des différentes techniques
d’estimations élaborées
Discussion
Sur la base des chiffres regroupés dans le tableau (IV.3), il est évident que le FAO fournit le meilleur
résultat, tant en termes d’observation que pour le contrôle, alors que la dynamique d’une commande sans
capteur basée sur cet observateur peut être considérée meilleure à celle obtenue avec capteur, cette performance
est améliorée en utilisant le mécanisme d’adaptation flou qui a rendu l’observation des différentes variables
plus précise, au même temps, elle a augmenté énormément la charge arithmétique de l’observateur en raison
du principe de fonctionnement du contrôleur flou, qui se repose sur un nombre important d’opérations
mathématiques et logiques. D’un autre côté, on peut constater un fonctionnement relativement moins efficace
pour tous les observateurs mode glissant, leurs performances sont proches l’un de l’autre et restent acceptables,
cependant on peut juger que le premier type est le plus puissant, tandis que le troisième pourrait être le moins
- 101 -
pratique en raison de la complexité de son algorithme et sa qualité d’observation. Par ailleurs, les performances
du contrôle obtenues en utilisant le RO-EKF ont prouvé que cet estimateur est l’une des approches
intéressantes qui peuvent être adoptées, si on fait le rapport entre la simplicité de l’algorithme et la qualité de
l’observation, le RO-EKF est probablement le meilleur estimateur adapté aux applications réelles en raison
de sa nature stochastique et sa performance intéressante.
6 - Conclusion
Ce chapitre a été consacré à la présentation de solutions pratiques permettant de remplacer les capteurs
physiques, l’utilisation des observateurs pour la vitesse et pour le flux élimine non seulement les inconvénients
majeurs relatifs à ces équipements, mais elle peut également optimiser la qualité du contrôle global, nous avons
développé au début un observateur linéaire assez similaire à celui de Luenberger adaptatif, notre contribution
était dans la phase de détermination des gains de l’observateur qui assurent la stabilité partielle de
l’observation, ces termes de correction peuvent être considérés comme l’un des principaux facteurs capables
d’assurer la convergence asymptotique des états estimés vers les quantités réelles, la deuxième amélioration
concerne le mécanisme d’adaptation qui a optimisé par un régulateur flou, c’est cette partie majeure de
l’observateur qui est chargée de fournir la valeur estimée de la vitesse mécanique et d’assurer ainsi la stabilité
globale, cette optimisation a été en mesure de fournir une performance prometteuse en matière de rapidité et
de stabilité, mais l’utilisation de la logique floue a rendu l’algorithme d’observation nécessite une charge
arithmétique importante. Dans une deuxième partie, nous avons voulu profiter des avantages de l’approche du
mode glissant afin d’aboutir à une estimation optimale des différentes grandeurs inaccessibles, trois techniques
ont été élaborées, en commençant par une méthode basée sur des termes de corrections discontinus avec un
mécanisme d’adaptation qui peut fournir l’information sur la vitesse de rotation, les propriétés du contrôle par
mode glissant à savoir les conditions de l’attractivité et de l’invariance, ont permis d’assurer la stabilité et
de déterminer la configuration optimale de l’observateur, les mêmes caractéristiques ont été adoptées pour
développer le deuxième estimateur mode glissant qui est complètement différent des autres, la reconstitution
des états du moteur a été effectuée en remplaçant les termes d’interconnexion contenant les variables non
mesurables, par une fonction de glissement qui se base sur un algorithme de Super-Twisting, qui a permis de
fournir une estimation directe du flux rotorique et de la vitesse mécanique. Ensuite, les deux observateurs
antérieurs mode glissant serviront de base au développement d’un observateur à doubles surfaces de
glissement, une nouvelle loi pour identifier le flux rotorique a été développée et réutilisée pour vérifier
la stabilité de Lyapunov, dans cette phase, une nouvelle expression de la vitesse rotorique a été déduite à travers
un mécanisme d’adaptation qui assure la stabilité de l’observateur et la convergence exponentielle des
variables estimées vers leurs grandeurs réelles ; bien que cette technique puisse sembler sophistiquée,
les résultats obtenus ont montré qu’elle n’a pas été à la hauteur des performances voulues. En revanche,
l’utilisation des méthodes stochastiques comme le filtre de Kalman représente une solution intéressante pour
éliminer le capteur de vitesse, l’application d’une telle technique nécessite la discrétisation du modèle
mathématique du système à observer, le modèle discret du MAS peut être obtenu à travers un développement
limité d’ordre 1 sous réserve que la période d’échantillonnage soit très faible, Sinon on risque d’avoir une
représentation d’état infidèle au comportement du moteur, ce qui entraîne une dégradation de performances
dans le cas d’un contrôle en boucle fermée, l’utilisation du filtre de Kalman d’ordre réduit est une solution
intéressante pour surmonter les limitations relatives au temps d’échantillonnage et pour réduire la grande
charge de calcul requise par le modèle conventionnel, la détermination d’une nouvelle variable de mesure a été
la base d’une réduction du vecteur d’état en éliminant la prédiction des courants statoriques, en effet,
l’algorithme du filtre de Kalman étendu sera appliqué sur un modèle d’ordre 3 au lieu d’un modèle d’ordre 5,
permettant ainsi de minimiser les incertitudes liées à la discrétisation du modèle et de conserver les
performances optimales de l’estimateur même pour des périodes d’échantillonnage relativement importantes.
Toutes les techniques proposées ont été validées par une simulation numérique afin d’illustrer leurs
performances pour un contrôle sans capteur de vitesse, tandis que les résultats obtenus ont servi de base à une
étude comparative permet de montrer l’efficacité de chaque observateur selon les exigences opérationnelles.
- 102 -
Conclusion générale
L objectif atteint grâce à la synthèse des lois de commande et d’observation qui a leur tour ont garanti
’
L’optimisation du contrôle des moteurs asynchrones triphasés représente le cœur du notre travail, un
xxxxxx x
des performances considérables et une bonne stabilité du fonctionnement, sans pour autant altérer la simplicité
de la mise en œuvre. En effet, de nombreuses améliorations avaient été suggérées vis-à-vis de la stratégie de
base du contrôle, l’estimation de certains paramètres sensibles et la réalisation des commandes robustes sans
capteur de vitesse. Des solutions relatives aux différentes optimisations avaient été proposées et ont été vérifié
par simulation ou par validation expérimentale.
L’analyse de l’état de l’art nous a permis de définir les principaux objectifs à atteindre. L’optimisation de
la commande vectorielle indirecte a été le premier sujet abordé. Après avoir introduit les bases de cette
technique, la régulation de la vitesse a été étudiée séparément par plusieurs structures de régulateurs
Proportionnel-Intégral à savoir le PI, le IP, et le PI Anti-Windup. À travers une analyse approfondie des
différentes actions partielles de chaque régulateur, une étude comparative a été instaurée afin d’illustrer et de
mettre en avant les caractéristiques avantageuses du régulateur PI Anti-Windup, et comme ce dernier est le
plus performant des deux autres, il a fait l’objet d’une amélioration de ses performances. Pour cela, nous avons
développé une commande hybride qui combine ce régulateur avec un contrôleur mode glissant, une approche
qui consiste à assurer un fonctionnement parallèle des deux régulateurs par l’intermédiaire d’un superviseur,
permettant d’évoluer une décision appropriée pour activer chaque contrôleur dans la zone d’opération désirée.
Cette méthode a été appliquée au moteur asynchrone à l’aide d’un superviseur linéaire qui assure le contrôle
du démarrage et des régimes transitoires par le SMC, tandis que le PIAW pilote le régime permanent.
Malheureusement, les performances constatées n’ont pas atteint l’efficacité requise, nous devons donc apporter
d’avantages d’ajustements afin d’obtenir une performance meilleure : l’information sur la variation de l’erreur
de régulation sera intégrée dans le superviseur afin d’assurer une supervision plus précise, la régulation
des régimes transitoires sera effectuée par un contrôleur mode glissant du second ordre, le régime permanent
sera contrôlé par un simple régulateur PI et l’action globale du régulateur sera améliorée par un mécanisme
Anti-Windup qui affecte simultanément les actions intégrales des deux régulateurs partielles, dans le but de
garantir une réponse dynamique rapide sans dépassement. La stabilité asymptotique des deux régulateurs
hybrides sera analysée par le biais du théorème de Lyapunov. La commande hybride optimisée a fourni une
haute performance du contrôle avec une rapidité et une robustesse intéressante, en revanche, en raison
de la complexité de son algorithme, nous allons opter pour une nouvelle version développée de la commande
Backstepping. En effet, l’intégration de la propriété des gains variables dans le régulateur de la vitesse a permis
d’assurer une réponse dynamique extrêmement stable et rapide avec un grand rejet de perturbations, tandis que
l’utilisation de cette propriété dans la boucle de régulation du courant a rendu la commande adaptable aux
harmoniques de la tension d’alimentation, ce qui a préservé la haute performance du contrôle même dans
les basses vitesses. Tous les algorithmes de commande développés ont été implémentés en temps réel à l’aide
d’une carte dSPACE-RTI-1104 et les résultats pratiques qui en découlent ont fait l’objet d’une étude
comparative permettant d’illustrer les avantages et les inconvénients de chaque méthode élaborée.
L’amélioration de la commande vectorielle est le principal objectif du troisième chapitre, dans lequel nous
avons proposé une solution inédite et originale concernant l’estimation simultanée des résistances statoriques
et rotoriques. L’observateur linéaire interconnecté garantit l’adaptation en ligne de la constante de temps
rotorique tout en maintenant la haute qualité d’observation du flux, car l’interconnectivité des deux
observateurs partiels permet d’assurer la compensation des incertitudes paramétriques afin d’aboutir à une
commande optimale. Nous nous somme focalisés dans le dernier chapitre sur l’estimation et l’observation de
la vitesse. Après avoir identifié les inconvénients majeurs du capteur physique de la vitesse, nous avons
développé d’une manière générale trois techniques d’estimations, dont la première est un observateur adaptatif
flou qui détermine le flux et la vitesse, la simplification analytique est l’une des optimisations apportées, dont
les gains correctifs sont déterminés d’une façon plus simple par rapport à l’observateur de Luenberger, qui à
- 103 -
Conclusion générale
son tour adopte l’approche linéaire du placement de pôles, en outre et grâce au renforcement du mécanisme
d’adaptation par un contrôleur flou, la commande de la vitesse a été effectuée et assurée avec une précision
remarquable, où l’utilisation de l’observateur FAO pour la commande sans capteur a fourni une performance
meilleure que celle avec capteur. Dans le même cadre, nous avons présenté plusieurs estimateurs basés sur la
théorie du mode glissant : le premier consiste à un observateur caractérisé par des termes de correction d’une
nature discontinue, dont les propriétés d’existence du mode glissant ont permis de déterminer les conditions
de stabilité partielle d’une manière impeccable, alors que la vitesse mécanique a été estimée par l’intermédiaire
d’une loi d’observation qui satisfait la stabilité de Lyapunov en vue de garantir la stabilité du système global.
Le deuxième estimateur réside à la décomposition du modèle mathématique du moteur en deux sous-systèmes
partiels, où la présence naturelle des quantités inaccessibles dans les termes du couplage, a donné l’avantage
d’effectuer une estimation du courant en remplaçant les termes d’interconnexion par des fonctions de
glissement, ces dernières se reposent sur un algorithme de Super-Twisting qui permet l’atténuation
significative du phénomène de Chattering. La convergence des quantités estimées vers les grandeurs mesurées
est assurée grâce aux conditions d’attractivité et de l’invariance, tandis que les fonctions de glissement
générées sont la base d’une estimation en boucle ouverte du vecteur flux et de la vitesse mécanique.
L’utilisation simultanée des deux observateurs antérieurs mode glissant caractérise le troisième estimateur,
dans le but de générer deux surfaces de glissement indépendantes, la double observation du courant permet de
synthétiser une nouvelle loi d’observation pour le flux du rotor ; la dynamique de cette variable sera la base
d’un système d’observation qui permet l’extraction d’une nouvelle formule de la vitesse mécanique, tandis
que la convergence asymptotique des quantités observées est assurée en utilisant le deuxième théorème de
Lyapunov. Malgré que la mise œuvre de ce dernier observateur soit assez complexe, la qualité du contrôle en
boucle fermée n’a pas été à la hauteur des performances requises, en revanche, le premier type reste le meilleur
des estimateurs mode glissant étudiés. D’un autre côté, l’utilisation des méthodes stochastiques comme le filtre
de Kalman, peut assurer un fonctionnement intéressant, cependant à cause des contraintes relatives à
la fréquence d’échantillonnage et à la discrétisation du modèle temporel, l’application du filtre de Kalman
étendu sur les entrainements électriques n’avait garanti qu’une modeste qualité d’estimation. Pour l’optimiser,
nous y avons opté pour une version simplifiée basée sur un modèle mathématique d’ordre réduit, qui est en
mesure d’améliorer le contrôle en boucle fermée et de minimiser considérablement la charge arithmétique de
l’algorithme utilisé. Toutes ces approches élaborées ont été validées par simulation, de sorte que les résultats
obtenus soient réutilisés dans une étude comparative qui à son tour, met en évidence les propriétés de chaque
estimateur. Nous y avons constaté que le mécanisme d’adaptation flou peut être adopté à toute méthode qui se
repose sur l’adaptation de la vitesse mécanique, en revanche, il est nécessaire de penser à la charge arithmétique
des algorithmes avant même de les implémenter vue qu’elle devienne vite considérable. D’autre part,
l’utilisation d’un filtre de Kalman d’ordre réduit représente une solution intéressante pour la substitution du
capteur physique de la vitesse et la réalisation d’une commande de haute performance sans capteur mécanique.
Étant donné que les travaux effectués dans cette thèse se sont étalés sur plusieurs axes de recherche,
certaines problématiques n’ont pas bénéficié d’une étude et d’un traitement adéquats vue que nos objectifs
étaient focalisés sur d’autres problèmes majeurs, nous sommes donc en mesure de proposer des perspectives
d’avenir qui pourraient faire l’objet d’un ensemble de sujet assez intéressants à étudier. Sur le court terme,
la validation expérimentale des différentes méthodes d’estimation sera indispensable pour la vérification
des performances obtenues, et le perfectionnement de la commande sans capteur est préconisé en effectuant
une adaptation en ligne des paramètres, notamment pour les algorithmes d’observation de la vitesse. Cette
optimisation pourrait être réalisée en faisant appel à des méthodes avancées d’analyse de stabilité qui vont
permettre d’assurer un meilleur choix des paramètres d’observation. Sur le moyen et long terme, nous
suggérons l’utilisation de la commande VGB et du contrôle hybride type-2 dans des applications concrètes
comme la motorisation des véhicules électriques, les performances relatives à ces techniques pourraient être
très intéressantes notamment pour l’accélération, le freinage ainsi que l’asservissement de la vitesse. De plus
et d’un point de vue économique, l’utilisation d’un moteur asynchrone triphasé muni de tels variateurs de
vitesse pourrait présenter une alternative idéale avec un coût beaucoup plus amoindri.
- 104 -
Annexes
A - Description du banc d’essai expérimental
Toutes les commandes abordées dans le ‘Chapitre II’ ont été validées expérimentalement sur un banc
d’essais qui est disponible au niveau de l’unité de recherche du contrôle, affiliée au Laboratoire de
Développement des Entraînements Électriques (LDEE). Comme le montre la figure (A.1), la plateforme
expérimentale dispose d’un moteur asynchrone triphasé à rotor bobiné LEYBOLD 1.0 𝑘𝑘𝑘𝑘, équipé d’un codeur
incrémental assurant la mesure de la vitesse mécanique. La plaque signalétique de la machine est illustrée dans
la figure (A.2), tandis que ses paramètres sont indiqués dans l’annexe suivante. Le moteur est couplé
mécaniquement à un frein à poudre magnétique qui permet d’appliquer des couples de charge à des valeurs
variables et précises. Le moteur est actionné par un module d’électronique de puissance SEMIKRON
SEMITEACH, réf : 08753402, qui se compose d’un redresseur à diodes possédant deux condensateurs
(1100µ𝐹𝐹/750𝑉𝑉) montés en série permettant de générer une tension continue bien filtrée, cette dernière sera
la source de tension pour l’onduleur triphasé à deux niveaux. Ce dernier sera commandé par la technique MLI
en fixant la configuration du convertisseur statique à une source de tension continue de 550𝑉𝑉 et une fréquence
de commutation pour les IGBT de 3𝑘𝑘𝑘𝑘𝑘𝑘. Le pont de Graëtz triphasé est alimenté par un autotransformateur
connecté à un réseau triphasé alternatif (380𝑉𝑉/50𝐻𝐻𝐻𝐻), alors que les interrupteurs de l’onduleur ne peuvent
pas déclencher sans l’utilisation d’un amplificateur électronique qui assure la conversion des signaux du niveau
logique 5𝑉𝑉 (sorties de la carte dSPACE), au niveau logique 15𝑉𝑉 (entrées du driver IGBT). Cette conversion
garantit la compatibilité des tensions fournies par la carte DS1104 avec les circuits de commande des IGBT.
5 4 3 2
1
7
8
(1) – Unité de contrôle. (2) – dSPACE-RTI-1104. (3) – Amplificateur de signal.

(4) – Onduleur à deux niveaux. (5) – Capteurs à effet Hall. (6) – Moteur asynchrone.
(7) – Frein à poudre. (8) – Autotransformateur. (9) – Appareillages de mesure.
Figure A.1 : Vue de l’ensemble du banc d’essai expérimental de l’unité de recherche du contrôle LDEE
Figure A.2 : Plaque signalétique de la machine asynchrone utilisée
- 105 -
Annexes
La figure (A.3) décrit le schéma synoptique de notre plateforme expérimentale dédiée à la commande d’un
moteur asynchrone triphasé. La DS1104 est une carte numérique puissante et flexible avec des capacités de
calcul très élevées, elle se connecte directement à l’unité centrale d’un ordinateur performant, l’outil
informatique MATLAB est fortement recommandé d’être installé, non seulement pour développer les
algorithmes de commande, mais également pour l’analyse et le traitement des signaux numériques acquis.
En effet, cette plateforme expérimentale permet de faciliter considérablement le passage de la phase de
la simulation à la phase de la réalisation. La figure (A.4) illustre le panneau de connexion associé à la DS1104,
ce dernier représente le lien entre la partie électromécanique du banc d’essai et le système de commande, étant
donné que tous les signaux physiques mis en jeu dans les algorithmes du contrôle, que ce soit des entrées ou
des sorties, sont traités via cette interface. Chaque méthode élaborée a été initialement programmée sous
MATLAB/Simulink, après avoir testé et analysé les performances du contrôle par simulation, l’algorithme
sera implémenté sur la carte dSPACE afin d’exécuter le pilotage en temps réel. Il convient de noter que
la version MATLAB doit être compatible avec la version dSPACE ControlDesk qui représente l’interface du
contrôle en temps réel, la communication entre le modèle Simulink et la DS1104 est assurée par la bibliothèque
RTI (Real Time Interface). Une fois le modèles Simulink est validé, il peut être compilé automatiquement en
langage ‘C’ puis téléchargé dans la carte dSPACE à l’aide de l’outil RTW (Real Time Workshop).
380V/50Hz
Onduleur à deux niveaux

+
Réseau
Puissance
C Partie
-
Partie Commande
Autotransformateur Redresseur Capteurs de
Courant et de
MLI
dSPACE-RTI-1104
Amplificateur Tension
MLI
5V/15V
ADC
Encoder Capteur de
Vitesse
Matlab/Simulink & ControlDesk
Real Time Interface (RTI) Algorithmes

Real Time Workshop (RTW) de commande
Figure A.3 : Schéma synoptique de la configuration expérimentale du banc d’essai
Figure A.4 : Panneau de connections associé à la carte dSPACE-RTI-1104
- 106 -
Annexes
La partie mesure de la plateforme expérimentale se compose de trois capteurs CHAUVIN ARNOUX A100
de 300𝐴𝐴 (deux capteurs effectifs et un troisième arbitraire), deux capteurs de tension 400𝑉𝑉, et un codeur
incrémental BAUMER GI355 avec une résolution maximale de 6000 impulsions par tour, pour la mesure de
la vitesse. Les capteurs de courant actuellement utilisés sont des dispositifs industriels destinés
à des applications à haute intensité, l’interface de mesure illustrée dans la figure (A.5) a été construite dans
le but d’accroître la sensibilité de ces capteurs aux faibles courants, vu que 2.5𝐴𝐴 est le courant nominal du
moteur. Cet outil permet de maximiser et de fixer le nombre de spires transmises à travers le noyau magnétique
du capteur pour garantir une mesure de courant de haute qualité avec un coefficient d’amplification 5 constant.
Il est fortement recommandé d’adopter un filtre passe-haut à la sortie de chaque bloc de mesure au niveau
de l’algorithme afin d’éliminer la composante continue des signaux numériques acquis (l’offset).
Figure A.5 : Interface de mesure des courants (A) et des tensions (B).
Figure A.6 : Interface graphique du programme dSPACE-ControlDesk
5 Le coefficient d’amplification est une constante fondamentale qui permet au signal mesuré de se conformer à une valeur réelle
prédéfinie. Ce paramètre varie en fonction du nombre de spires utilisées dans le capteur, par conséquent, il est préconisé de maintenir
le montage expérimental afin d’éviter l’adaptation de ce paramètre au niveau de l’algorithme au début de chaque expérience.
- 107 -
Annexes
Comme le montre la figure (A.3), la carte DS1104 reçoit comme des entrées les courants statoriques,
la tension d’alimentation et la vitesse mécanique, tandis que la seule sortie est représentée par un signal
de commande MLI qui permet après l’amplification, de déterminer les instants de commutation des IGBT
selon une performance désirée. Dès que l’algorithme de commande est chargé dans la DS1104,
la communication entre l’opérateur et le système de commande est assurée à l’aide du logiciel ControlDesk
associer à la carte dSPACE, dont l’interface graphique est illustrée par la figure (A.6). En effet, cet outil
informatique permet à l’opérateur d’exécuter les algorithmes et adapter en ligne les paramètres de régulation,
en outre, elle assure la visualisation et l’acquisition de toute variable incluse dans le modèle Simulink,
permettant ainsi d’analyser parfaitement le comportement du contrôle en temps réel des moteurs triphasés,
en basant sur les propriétés mathématiques du programme MATLAB/Simulink.
Pour d’autres applications, la structure du banc d’essai permet également d’effectuer des modifications
structurelles relatives à l’incrémentation des paramètres électriques et mécaniques. Cela est dans le but
de tester la robustesse des commandes vis-à-vis des perturbations intérieures. Les paramètres concernés sont
les résistances statoriques, les résistances rotoriques et le moment d’inertie de tout l’ensemble mécanique.
La figure (A.7) montre la configuration du banc d’essai ainsi que le matériel utilisé pour réaliser les tests
de robustesse. Nous avons utilisé en premier lieu, trois rhéostats à curseur en boîtier protégée contre
les contacts, la connexion de chaque résistance variable en série avec la phase du stator ou du rotor, permet de
modifier les paramètres résistifs des enroulements, assurant ainsi l’augmentation équilibrée des résistances du
stator ou du rotor jusqu’à 200% de leurs valeurs nominales, en revanche, l’incrémentation du moment d’inertie
a été effectuée en installant deux disques métalliques, chacun possède un rayon interne « 𝑟𝑟𝑖𝑖 = 0.02 m »,
un rayon externe « 𝑟𝑟𝑒𝑒 = 0.08 m », et un poids « 𝑚𝑚 = 2.5 kg », sur l’arbre du moteur comme il est montré
dans la figure (A.7). Les dimensions de chaque disque ainsi son poids ont été approximativement sélectionnés
en adoptant l’équation générale du moment d’inertie d’un cylindre creux et homogène à travers laquelle, la
valeur du moment d’inertie ajoutée à l’ensemble mécanique est déterminée comme suit :
1 ⃛
⃛
J(2 Disuqes) = 2 . � . 𝑚𝑚 . �𝑟𝑟 2𝑖𝑖 + 𝑟𝑟𝑒𝑒2 � �
2
J(2 Disuqes) = 2.5 × � 0.08 2 +̇ 0.02 2 � = 0.017 > J(MAS+Frein) (A.1)
J(Total) = J(MAS+Frein) + J(2 Disuqes) > 2 × J(MAS+Frein)
1
2
(1) : Capteur de vitesse et de position ‘BAUMER GI355’.

(2) : Résistances additionnelles utilisées pour l’incrémentation des résistances du stator et du rotor.
(3) : Disques métalliques permettant d’augmenter le moment d’inertie de l’ensemble mécanique.
Figure A.7 : Configuration expérimentale utilisée pour les tests de robustesse
- 108 -
Annexes
B - Méthode utilisée pour l’identification des paramètres de la machine

Afin de mettre en œuvre les techniques de commande et d’observation précédemment proposées, il est
indispensable de connaître les différents paramètres électriques et mécaniques de la machine, même s’il s’agit
des valeurs approximatives. De ce fait, nous avons adopté dans nos travaux, une méthode conventionnelle
permet l’identification paramétrique de n’importe moteur asynchrone triphasé à rotor bobiné, cette méthode
se repose sur le schéma équivalent d’une phase du moteur en négligeant le régime transitoire, on peut aboutir
à un schéma équivalent simplifié en considérant la représentions vectorielle du modèle dynamique du MAS
dans un référentiel lié au champ tournant « 𝑑𝑑 − 𝑞𝑞 » comme suit :
��⃗𝑠𝑠
𝑑𝑑𝜓𝜓
𝑣𝑣̇��⃗s = R s . 𝚤𝚤̇��⃗𝑠𝑠 + + 𝑗𝑗. ωs . ��⃗
𝜓𝜓𝑠𝑠
𝑑𝑑𝑑𝑑
��⃗𝑟𝑟
𝑑𝑑𝜓𝜓
𝑣𝑣̇��⃗r = R r . ��⃗
𝚤𝚤̇𝑟𝑟 + + 𝑗𝑗. g . ωs . ��⃗
𝜓𝜓𝑟𝑟 = 0
𝑑𝑑𝑑𝑑 (B.1)
��⃗
𝚤𝚤̇𝑠𝑠 + M. ��⃗
𝚤𝚤̇𝑟𝑟
��⃗
𝚤𝚤̇𝑟𝑟 + M. ��⃗
𝚤𝚤̇𝑠𝑠
« ��⃗
𝑣𝑣̇s , ��⃗ ��⃗s » sont les vecteurs de tension, de courant, et de flux statorique, « ��⃗
𝚤𝚤̇s , 𝜓𝜓 𝑣𝑣̇r , 𝚤𝚤̇��⃗ ��⃗
r , 𝜓𝜓r » représentent les
vecteurs de tension, de courant, et de flux rotorique, « R s , Ls » sont respectivement la résistance et l’inductance
d’une phase statorique, « R r , Lr » sont la résistance et l’inductance d’une phase rotorique, « M » est
l’inductance mutuelle, « ωs » est la pulsation électrique du stator et « g » représente le glissement. Si nous
considérons seulement le régime permanent, les dérivées temporelles des variables magnétiques peuvent être
éliminées dans le modèle (B.1), par la suite, on peut substituer les équations magnétiques dans les équitations
électriques pour avoir des relations de tension en fonction des courants, comme le montre le modèle (B.2).
𝑣𝑣̇��⃗s = R s . ��⃗
𝚤𝚤̇𝑠𝑠 + 𝑗𝑗. ωs . Ls . ��⃗
𝚤𝚤̇𝑠𝑠 + 𝑗𝑗. ωs . M. ��⃗
𝚤𝚤̇𝑟𝑟
(B.2)
�0⃗ = R r . ��⃗
𝚤𝚤̇𝑟𝑟 + 𝑗𝑗. g . ωs . Lr . ��⃗
𝚤𝚤̇𝑟𝑟 + 𝑗𝑗. g . ωs . M. ��⃗
𝚤𝚤̇𝑠𝑠
Si on divise la deuxième équation du (B.2) par le glissement « g », on va obtenir une équation électrique
avec une fréquence similaire à celle de la première équation, telle que :
Rr
�⃗ =
0 . ��⃗
𝚤𝚤̇ + 𝑗𝑗. ωs . Lr . ��⃗
𝚤𝚤̇𝑟𝑟 + 𝑗𝑗. ωs . M. ��⃗
𝚤𝚤̇𝑠𝑠 (B.3)
g 𝑟𝑟
Supposons un paramètre « 𝓂𝓂 » qui représente le rapport de transformation de la machine, nous pouvons
exprimer le courant magnétisant par :
∀ �𝚤𝚤̇�𝑟𝑟 = 𝓂𝓂. 𝚤𝚤̇𝑟𝑟′ � , 𝚤𝚤̇𝑚𝑚 = 𝚤𝚤̇𝑠𝑠 + 𝚤𝚤̇𝑟𝑟′ (B.4)
En substituant l’équation (B.4) dans l’équation (B.3) et aussi dans la première équation du (B.2), ensuite
nous multiplions l’expression de la tension rotorique par le rapport « 𝓂𝓂 », on obtient :
𝚤𝚤̇𝑠𝑠 + 𝑗𝑗. ωs . �L� s − 𝓂𝓂. M� . ��⃗

𝑣𝑣̇��⃗s = R s . ��⃗ 𝚤𝚤̇𝑠𝑠 + 𝑗𝑗. ωs . 𝓂𝓂. M. ��⃗
𝚤𝚤̇𝑚𝑚
(B.5)
R
�⃗ = 𝓂𝓂 . r . 𝚤𝚤̇��⃗𝑟𝑟′ + 𝑗𝑗. ωs . �𝓂𝓂2 . L� r − 𝓂𝓂. M� . ��⃗
0 2
𝚤𝚤̇𝑟𝑟′ + 𝑗𝑗. ωs . 𝓂𝓂. M. ��⃗
𝚤𝚤̇𝑚𝑚
g
Ce modèle peut être réécrit par les équations données par (B.6), qui permettent de tracer le schéma
équivalent général montré dans la figure (B.1).
- 109 -
Annexes
𝑣𝑣̇��⃗s = R s . ��⃗
𝚤𝚤̇𝑠𝑠 + 𝑗𝑗. ωs . ℒ𝒮𝒮 . ��⃗ � . ��⃗
𝚤𝚤̇𝑠𝑠 + 𝑗𝑗. ωs . ℳ 𝚤𝚤̇𝑚𝑚
(B.6)
R′ ′
�0⃗ = r . ��⃗
𝚤𝚤̇ + 𝑗𝑗. ωs . ℒℛ . ��⃗ � . ��⃗
𝚤𝚤̇𝑟𝑟′ + 𝑗𝑗. ωs . ℳ 𝚤𝚤̇𝑚𝑚
g 𝑟𝑟
«ℳ � = 𝓂𝓂. M » représente l’inductance magnétisante, « ℒ𝒮𝒮 = Ls − ℳ � » est l’inductance cyclique de fuite

d’une phase statorique, « ℒℛ = Lr − ℳ � » est l’inductance cyclique de fuite d’une phase rotorique,
′ 2
« R r = 𝓂𝓂 . R r » est la résistance du rotor ramenée au stator.
𝑖𝑖𝑠𝑠 𝑖𝑖𝑟𝑟′
Rs ℒ𝒮𝒮 𝑖𝑖𝑚𝑚 ℒℛ
R′r
𝑣𝑣𝑠𝑠 �
ℳ
g
Figure B.1 : Schéma équivalent d’une phase d’un moteur asynchrone triphasé
Afin de simplifier la tâche de l’identification paramétrique, nous adopterons un schéma équivalent à fuites
totalisées dans le stator, cette considération nous permet d’écrire :
∀ �ℒ̆ℛ = 0� , 𝓂𝓂 = M⁄Lr (B.7)
M2 M2 Ls
� =
Par conséquent : ℳ = (1 − δ). Ls ; ℒ𝒮𝒮 = Ls − = δ. Ls ; R′r = (1 − δ).
Lr Lr τr
Notez que « δ = 1 − �M 2 ⁄L� s . Lr � » et « τr = Lr ⁄R r » sont respectivement le coefficient de dispersion de

Blondel et la constante de temps rotorique. La figure (B.2) montre le nouveau schéma équivalent qui peut être
considéré comme le modèle le plus convenable pour l’identification des paramètres électriques de la machine.
𝑖𝑖𝑠𝑠 𝑖𝑖𝑟𝑟′
Rs δ. Ls 𝑖𝑖𝑚𝑚
R′r (1 − δ). Ls
𝑣𝑣𝑠𝑠 R𝑓𝑓 (1 − δ). Ls =
g g . τr
Figure B.2 : Schéma équivalent d’une phase ramenée au stator à fuites totalisées dans le stator
Après avoir fait fonctionner le moteur sous une charge nominale pendant une longue période,
l’identification des paramètres sera réalisée par plusieurs tests successifs, nous commençons tout d’abord par
la mesure des résistances statoriques et rotoriques, ensuite, les différentes inductances sont déterminées
à travers les tests de fonctionnement à vide et à rotor bloqué, finalement, l’identification des paramètres
mécaniques sera effectuée par l’essai de ralentissement. Nous présentons par la suite, le détail de chaque étape
utilisée. Il est important de prendre en considération les limites de fonctionnement de la machine en respectant
la plaque signalétique donnée par la figure (A.2), chaque débordement de grandeurs électriques peut entraîner
un dysfonctionnement du moteur.
- 110 -
Annexes
B.1 - Essai en courant continu : détermination des résistances du stator et du rotor

Étant donné que les enroulements statoriques et rotoriques sont accessibles dans le cas d’un moteur
à bagues, la mesure des résistances se fait en utilisant la méthode voltampéremétrique, cette dernière consiste
à mettre une ou plusieurs phases statoriques ou rotoriques sous une tension continue prédéfinie « 𝐸𝐸 », la mesure
de chaque résistance sera effectuée par la loi d’Ohm en fonction de l’intensité du courant mesurée « 𝐼𝐼 ».
Il convient de ne pas appliquer des tensions élevées, de plus, il est recommandé de prendre des mesures pour
chaque phase ensuite on calcule la valeur moyenne. La figure (B.3) schématise le montage utilisé alors que
les mesures effectuées sont mentionnées dans le tableau (B.1).
Is
A
+
Es V
- Ir
A
Détermination des +
résistances du stator par : V Er
R s = Es ⁄Is
-
Détermination des
résistances du rotor par :
R r = Er ⁄(2. Ir )
Figure B.3 : Illustration de l’essai voltampéremétrique
Enroulements statoriques Enroulements rotoriques

Phase (1) Phase (2) Phase (3) Phase (1-2) Phase (2-3) Phase (3-1)
𝐸𝐸 (𝑉𝑉) 16.445 3.580
𝐼𝐼 (𝐴𝐴) 1.867 1.873 1.871 2.780 2.750 2.798
8.808 8.780 8.789 0.644 0.651 0.640
𝑅𝑅 (Ω)
8.79 0.65
Tableau B.1 : Mesures effectuée pour la détermination des résistances statoriques et rotoriques
B.2 - Essai à vide : détermination de l’inductance statorique

Dans ce test, le moteur est alimenté par sa tension et sa fréquence nominale ; durant le fonctionnement
à vide, le glissement présent une valeur très faible « g ≈ 0 ⟹ R′r ⁄g = ∞ », entraînant ainsi un courant
négligeable dans la branche rotorique, le schéma équivalent (B.2) sera simplifié comme suit :
𝐼𝐼0 R s + R𝑓𝑓
𝐼𝐼0
Rs δ. Ls
𝑉𝑉0 R𝑓𝑓 (1 − δ). Ls ≡ 𝑉𝑉0 Ls
Figure B.4 : Schéma équivalent à fuites totalisées dans le stator pour un fonctionnement à vide
- 111 -
Annexes
Cet essai vise à déterminer l’inductance des phases statoriques « Ls » ainsi que la résistance qui caractérise
les pertes ferromagnétiques « R𝑓𝑓 », cette identification peut être effectuée par deux manières en utilisant
les relations de (B.8) jusqu’au (B.11). Les mesures requises sont la tension « 𝑉𝑉0 », le courant « 𝐼𝐼0 », et
les puissances active « 𝑃𝑃0 » et réactive « 𝑄𝑄0 ». Il est possible de mesurer les puissances par la méthode des deux
wattmètres comme dans le cas de (Mehazzem, 10), dans notre cas, nous avons utilisé un analyseur de puissance
de type ‘Voltech PM3000A’ qui se connecte directement au réseau triphasé, ce dispositif peut fournir
des mesures bien précises concernant chaque enroulement statorique. Deux lectures ont été prises en compte
afin d’améliorer la qualité de l’identification, la première concerne la mesure de chaque phase séparément,
tandis que la deuxième est par rapport au montage triphasé. Les informations approuvées pour cette
identification sont présentées dans le tableau (B.2).
𝑃𝑃0 = �R s + R𝑓𝑓 �. 𝐼𝐼02 ⟹ R𝑓𝑓 = 𝑃𝑃0 ⁄𝐼𝐼02 − R s

(B.8)
𝑄𝑄0 = ωs . Ls . 𝐼𝐼02 ⟹ Ls = 𝑄𝑄0 ⁄(ωs . 𝐼𝐼02 )
« 𝑃𝑃0 , 𝑄𝑄0 » sont les puissances active et réactive consommées par chaque phase, « 𝐼𝐼0 » est le courant du stator
à vide et « ωs = 2. 𝜋𝜋. 𝑓𝑓 » pour « 𝑓𝑓 ≃ 50 » est la fréquence d’alimentation. Dans le cas triphasé, on écrit :
𝑃𝑃0 = 3. �R s + R𝑓𝑓 �. 𝐼𝐼02 ⟹ R𝑓𝑓 = 𝑃𝑃0 ⁄(3. 𝐼𝐼02 ) − R s

(B.9)
𝑄𝑄0 = 3. ωs . Ls . 𝐼𝐼02 ⟹ Ls = 𝑄𝑄0 ⁄(3. ωs . 𝐼𝐼02 )
Sauf que « 𝑃𝑃0 , 𝑄𝑄0 » sont les puissances consommées par le moteur, pour cela, on peut également écrire :
𝑃𝑃0 = 𝑉𝑉0 . 𝐼𝐼0 . cos 𝜑𝜑 = �R s + R𝑓𝑓 �. 𝐼𝐼02 ⟹ R𝑓𝑓 = (𝑉𝑉0 ⁄𝐼𝐼0 ). cos 𝜑𝜑 − R s
(B.10)
𝑄𝑄0 = 𝑉𝑉0 . 𝐼𝐼0 . sin 𝜑𝜑 = ωs . Ls . 𝐼𝐼02 ⟹ Ls = (𝑉𝑉0 ⁄𝐼𝐼0 ). sin 𝜑𝜑
Avec : cos 𝜑𝜑 = 𝑃𝑃0 ��𝑃𝑃02 + 𝑄𝑄20 , sin 𝜑𝜑 = 𝑄𝑄0 ��𝑃𝑃02 + 𝑄𝑄20
L’équation (B.10) est valable pour la mesure par rapport à chaque phase séparément, dont « 𝑉𝑉0 » représente
la tension efficace mesurée entre phase et neutre (Tension simple) et « cos 𝜑𝜑 » est le facteur de puissance.
Dans le cas triphasé, le calcul peut être effectué en utilisant la relation (B.11), étant donné que « 𝑈𝑈0 » est la
tension efficace mesurée entre phase et phase (Tension composée).
𝑃𝑃0 = √3. 𝑈𝑈0 . 𝐼𝐼0 . cos 𝜑𝜑 = 3. �R s + R𝑓𝑓 �. 𝐼𝐼02 ⟹ 𝑅𝑅𝑓𝑓 = �𝑈𝑈0 ⁄√3. 𝐼𝐼0 �. cos 𝜑𝜑 − R s
(B.11)
𝑄𝑄0 = √3. 𝑈𝑈0 . 𝐼𝐼0 . sin 𝜑𝜑 = 3. ωs . Ls . 𝐼𝐼02 ⟹ Ls = �𝑈𝑈0 ⁄√3. 𝐼𝐼0 �. sin 𝜑𝜑
Test 1 : Tension simple Test 2 :

Phase (1) Phase (2) Phase (3) Tension Composée
𝑉𝑉0 , 𝑈𝑈0 (𝑉𝑉) 220.0 219.8 220.0 380.8
𝐼𝐼0 (𝐴𝐴) 0.779 0.802 0.815 0.800
𝑃𝑃0 (𝑊𝑊) 31.0 36.9 31.54 101.0
𝑄𝑄0 (𝑉𝑉𝑉𝑉𝑉𝑉) 170.2 173.0 177.1 525.0
0.893 0.856 0.849 0.870
𝐿𝐿𝑠𝑠 (𝐻𝐻)
0.868
42.29 43.91 38.69 34.81
𝑅𝑅𝑓𝑓 (Ω)
41.85
Tableau B.2 : Résultats de l’essai à vide
- 112 -
Annexes
B.3 - Essai à rotor bloqué : calcul de l’inductance rotorique et l’inductance mutuelle

Ce test, également appelé l’essai en court-circuit, consiste à bloquer le rotor mécaniquement puis on
alimente le moteur progressivement par une tension réduite à fréquence nominale, qui a son tour permet
de générer un courant de court-circuit inférieur au courant nominal, ainsi, aucune puissance mécanique ne sera
développée sur l’arbre du moteur et le glissement devient unitaire « g = 1 ». Sachant que la tension appliquée
est nettement faible devant la tension nominale et les courants rotoriques sont importants, on peut négliger
donc le courant de magnétisation et la branche d’excitation, pour que le courant du primaire devient égal
au celui du secondaire, cette considération permet de simplifier le schéma équivalent d’un MAS comme suit :
𝑖𝑖𝑐𝑐𝑐𝑐
Rs δ. Ls
𝑈𝑈𝑐𝑐𝑐𝑐 R′r
Figure B.5 : Schéma équivalent adopté pour l’essai à rotor bloqué
Les mesures requises sont le courant absorbé « 𝐼𝐼cc » et les puissances active « 𝑃𝑃cc » et réactive « 𝑄𝑄𝑐𝑐𝑐𝑐 »
consommées par le moteur, comme il est indiqué dans le tableau (B.3). L’identification des paramètres
fondamentaux sera effectuée sur la base du schéma équivalent (B.5) en utilisant les relations (B.12), on doit
noter que les relations (B.11) sont également valables d’être utilisées.
𝑃𝑃cc = 3. ( R s + R′r ). 𝐼𝐼𝑐𝑐𝑐𝑐

2
⟹ R′r = 𝑃𝑃cc ⁄( 3. 𝐼𝐼𝑐𝑐𝑐𝑐
2 )
− Rs
(B.12)
2 2 )
𝑄𝑄cc = 3. ( δ. Ls . ωs ). 𝐼𝐼𝑐𝑐𝑐𝑐 ⟹ δ = 𝑄𝑄cc ⁄( 3. Ls . ωs . 𝐼𝐼𝑐𝑐𝑐𝑐 − Rs
Essai (1) Essai (2) Essai (3)

𝑈𝑈𝑐𝑐𝑐𝑐 (𝑉𝑉) 96.41 95.95 95.75
𝐼𝐼𝑐𝑐𝑐𝑐 (𝐴𝐴) 2.032 2.008 2.049
𝑃𝑃𝑐𝑐𝑐𝑐 (𝑊𝑊) 195.1 194.7 201.5
𝑄𝑄𝑐𝑐𝑐𝑐 (𝑉𝑉𝑉𝑉𝑉𝑉) 277.5 271.5 272.8
6.96 7.31 7.21
R′r (Ω)
7.16
0.0822 0.0823 0.0794
δ
0.0813
Tableau B.3 : Mesures prises par l’essai de court-circuit
À l’issue de ces tests, nous aurons comme des valeurs connues les paramètres suivants : « R s », « R r »,
« Ls », « R′r » et « δ », ainsi, on peut écrire les relations ci-dessous sur la base de la supposition (B.7).
R′r = �1 −̇ δ�. Ls ⁄τr ⟹ τr = �1 −̇ δ�. Ls ⁄R′r = 0.111
τr = Lr ⁄R r ⟹ Lr = R r . τr = 0.072 (B.13)
δ = 1 − M 2 ��Ls .̇ Lr � ⟹ M = ��1 −̇ δ�. Ls . Lr = 0.240
- 113 -
Annexes
B.4 - Identification des pertes ferromagnétique et mécanique

Pour un fonctionnement à vide, la puissance active absorbée par le moteur « 𝑃𝑃0 » représente la somme
des pertes ohmiques du stator « ∆𝑃𝑃𝐽𝐽0 », les pertes ferromagnétiques dues à la variation du flux « ∆𝑃𝑃𝑓𝑓 » et
les pertes mécaniques dues aux frottements « ∆𝑃𝑃𝑚𝑚𝑚𝑚𝑚𝑚 ».
∀ � ∆𝑃𝑃𝐽𝐽0 = 3. R s . 𝐼𝐼02 � , 𝑃𝑃0 = ∆𝑃𝑃𝐽𝐽0 + ∆𝑃𝑃𝑓𝑓 + ∆𝑃𝑃𝑚𝑚𝑚𝑚𝑚𝑚 ⟹ 𝑃𝑃0 − ∆𝑃𝑃𝐽𝐽0 = ∆𝑃𝑃𝑓𝑓 + ∆𝑃𝑃𝑚𝑚𝑚𝑚𝑚𝑚 (B.14)
L’identification des pertes mécaniques représente une étape fondamentale qui intervient essentiellement
dans le calcul du moment d’inertie « J », cette étape peut être effectuée par la méthode de séparation des
pertes (Chatelain, 89). Le moteur sera alimenté par une tension variable en commençant par une valeur
supérieure à la valeur nominale, puis on diminue légèrement l’alimentation sur une plage où la vitesse
de rotation reste relativement constante. Pour chaque tension appliquée, il est nécessaire de mesurer la tension
statorique entre phase « 𝑈𝑈0 », le courant absorbé « 𝐼𝐼0 » et la puissance active consommée par le moteur « 𝑃𝑃0 »,
on trace ensuite la variation de « 𝑃𝑃0 − ∆𝑃𝑃𝐽𝐽0 » en fonction du carré de la tension ; on obtient pratiquement
une droite dont le prolongement jusqu’à la tension nulle donne les pertes mécaniques, étant donné que les
pertes ferromagnétiques varient proportionnellement au carré de la tension dans le cas d’une fréquence
statorique constante. Les lectures prises pour ce test sont exposées dans le tableau (B.4), tandis que la courbe
de séparation des pertes est montrée dans la figure (B.6).
Lecture 1 Lecture 2 Lecture 3 Lecture 4 Lecture 5 Lecture 6 Lecture 7

Ω (𝑡𝑡𝑡𝑡/𝑠𝑠) 1489 1488 1487 1483 1479 1465 1461
𝑃𝑃0 (𝑊𝑊) 165.2 157.0 150.3 140.0 135.6 127.8 118.0
𝑈𝑈0 (𝑉𝑉) 405.0 380.0 358.5 318.8 299.8 260.0 200.5
𝐼𝐼0 (𝐴𝐴) 0.895 0.820 0.763 0.671 0.635 0.570 0.508
𝑃𝑃0 − ∆𝑃𝑃𝐽𝐽0 144.1 139.3 134.9 128.1 125.0 119.2 111.2
Tableau B.4 : Mesures adoptées pour la séparation des pertes ferromagnétiques et mécaniques
145
135
P0 - ∆ PJ ( W )
125
115
105
95
0 4 6.7 10.2 14.4 16.4
4
U2 (V2) x 10
Figure B.6 : Courbe de séparation des pertes ferromagnétiques et mécaniques
Il est remarquable que les pertes mécaniques identifiées aient une valeur relativement importante, pour cela,
on doit noter que les mesures effectuées sont par rapport à tout l’ensemble mécanique (Moteur + Frein à
poudre) montré dans la figure (A.1). La disposition du frein à poudre entraîne des frottements supplémentaires
provoquant ainsi l’augmentation des pertes mécaniques, cela pourrait justifier les résultats obtenus par ce test.
- 114 -
Annexes
B.5 - Essai de ralentissement : identification des paramètres mécaniques

L’identification du moment d’inertie « J » et du coefficient de frottement « B » de n’importe quel type de
moteur, peut être réalisée par le test de ralentissement en basant sur l’équation mécanique des machines
tournantes. Le moteur sera alimenté par une tension nominale pour fonctionner à vide à une vitesse quasi
constante « Ω0 » à la présence d’un couple résistant à vide « TL0 ».
𝑑𝑑Ωm 1 1 B
= . Te − . TL − . Ωm (B.14)
𝑑𝑑𝑑𝑑 J J J
Supposons que l’alimentation de la machine sera coupée à l’instant « 𝑡𝑡 = 0 », le couple électromagnétique
développé sera annulé « Te = 0 » et le moteur sera ralenti sous l’effet des frottements jusqu’à ce qu’il s’arrête
complètement à l’instant « 𝑡𝑡 = 𝑡𝑡2 ». Par conséquent, nous pouvons écrire l’expression suivante :
J 𝑑𝑑Ωm 1
∀ � τm = � , τm . + Ωm = − . TL0 (B.15)
B 𝑑𝑑𝑑𝑑 B
La solution de cette équation différentielle est exprimée par (B.16), alors que le paramètre « 𝐾𝐾 » peut être
déterminé en utilisant les conditions initiales.
𝑡𝑡 TL0
−
Ωm (𝑡𝑡) = 𝐾𝐾. 𝑒𝑒 τm − (B.16)
B
TL0 TL0
à 𝑡𝑡 = 0 ∶ Ω0 = 𝐾𝐾 − ⟹ 𝐾𝐾 = Ω0 +
B B
TL0 𝑡𝑡 TL0 𝑡𝑡 TL0 𝑡𝑡
− − −
Ωm (𝑡𝑡) = �Ω0 + � . 𝑒𝑒 τm − ⟹ Ωm (𝑡𝑡) − Ω0 . 𝑒𝑒 τm = − �1 − 𝑒𝑒 τm � (B.17)
B B B
̇
Considérons deux points connus « A �𝑡𝑡ẋ̇ ; Ω1 � » et « B �2. ̇̇ 𝑡𝑡x ; Ω2 � » qui sont obtenus à partir de la courbe
de ralentissement donné par la figure (B.7), nous pouvons écrire la relation suivante :
𝑡𝑡x 𝑡𝑡x 2.𝑡𝑡x 𝑡𝑡x 2.𝑡𝑡x 𝑡𝑡x
− −
Ω1 − Ω0 . 𝑒𝑒 τm 1 − 𝑒𝑒 τm (Ω1 ⁄Ω0 ). 𝑒𝑒 τm − 𝑒𝑒 τm 𝑒𝑒 τm − 𝑒𝑒 τm
2.𝑡𝑡̇x
= 2.𝑡𝑡̇x
⟺ 2.𝑡𝑡̇x
= 2.𝑡𝑡̇x
(B.18)
− −
Ω2 − Ω0 . 𝑒𝑒 τm 1 − 𝑒𝑒 τm (Ω2 ⁄Ω0 ). 𝑒𝑒 τm −1 𝑒𝑒 τm −1
𝑡𝑡x
τm
Ω1 Ω2 𝑊𝑊1 . 𝑥𝑥 2 − 𝑥𝑥 𝑥𝑥 2 − 𝑥𝑥 𝑊𝑊1 . 𝑥𝑥 − 1 𝑥𝑥 − 1
∀ � 𝑥𝑥 = 𝑒𝑒 ; 𝑊𝑊1 = ; 𝑊𝑊2 = �, = ⟺ =
Ω0 Ω0 𝑊𝑊2 . 𝑥𝑥 2 − 1 𝑥𝑥 2 − 1 𝑊𝑊2 . 𝑥𝑥 2 − 1 (𝑥𝑥 − 1). (𝑥𝑥 + 1)
𝑡𝑡x
1 − 𝑊𝑊1 𝑡𝑡x Ω0 − Ω1
⟹ �𝑊𝑊1 −̈ 𝑊𝑊2 �. 𝑥𝑥 = 1 − 𝑊𝑊1 ⟺ 𝑒𝑒 τm = ⟺ = 𝐿𝐿𝐿𝐿 � �
𝑊𝑊1 − 𝑊𝑊2 τm Ω1 − Ω2
De cette équation, nous pouvons calculer la constante de temps mécanique « τm » par la relation suivante :
𝑡𝑡x 1.2
τm = = = 3.49
Ω0 − Ω1 155.3 − 90.50 (B.19)
𝐿𝐿𝐿𝐿 �� ̇ �� 𝐿𝐿𝐿𝐿 ��
Ω1 − Ω2 90.50 −̇ 44.56
Cette information est très importante pour déterminer les paramètres mécaniques fondamentaux, nous
allons donc continuer le développement mathématique de l’équation différentielle (B.15).
TL0 𝑡𝑡
− 2 TL0 𝑡𝑡
− 2 TL0 ⁄B
à 𝑡𝑡 = 𝑡𝑡2 ∶ 0 = �Ω0 + � . 𝑒𝑒 τm − ⟹ 𝑒𝑒 τm =
B B Ω0 + TL0 ⁄B
𝑡𝑡2 Ω0 + TL0 ⁄B 𝑡𝑡2

⟹ = 𝑙𝑙𝑙𝑙 � � ⟹ τm = (B.20)
τm TL0 ⁄B 𝑙𝑙𝑙𝑙(1 + B. Ω0 ⁄TL0 )
- 115 -
Annexes
Il a été démontré analytiquement que : « ∀ �Ḃ ≪ 1� , 𝑙𝑙𝑙𝑙�1 + Ḃ . Ω0 ⁄TL0 � ≈ B. Ω0 ⁄TL0 », par conséquent,
nous pouvons écrire :
𝑡𝑡2 . TL0 J 𝑡𝑡2 . TL0
τm = = ⟹ J= (B.21)
B. Ω0 B Ω0
∆𝑃𝑃𝑚𝑚𝑚𝑚𝑚𝑚 0.676
∀ � TL0 = = 0.676 � , J = 3.6 × = 0.0157
Ω0 155.3
Finalement, le coefficient de frottement « B » sera calculé comme suit :

J 0.0157
B= = = 0.0045 (B.22)
τm 3.49
155.30
Vitesse (rad / s)
A
90.50
B
44.56
0
0 1.2 2.4 3.6
Temps (s)
Figure B.7 : Tracé de l’essai de ralentissement
Le tableau (B.5) regroupe les variables nominales et les paramètres essentiels caractérisant la machine
asynchrone triphasée adoptée dans la configuration expérimentale du banc d’essai destiné à la commande.
Désignation Notation Valeur

Puissance nominale Pn 1.0 kW
Fréquence nominale 𝑓𝑓n 50 Hz
Vitesse nominale Ωn 145 rad. s −1
Tension d’alimentation nominale Vn 220 V / 380 V
Courant nominal In 2.5 A / 4.32 A
Couple de charge nominal TL 6.9 N. m
Flux rotorique nominal 𝜓𝜓n 0.22 Wb
Couplage adopté Etoile ( Y )
Résistance du stator Rs 8.79 Ω
Résistance du rotor Rr 0.65 Ω
Inductance du stator Ls 0.868 H
Inductance du rotor Lr 0.072 H
Inductance mutuelle M 0.240 H
Moment d’inertie total J 0.0157 kg . m2
Coefficient de frottement B 0.0045 N. m. s. rad−1
Nombre de pair de pôles 𝑝𝑝 2
Tableau B.5 : Paramètres fondamentaux caractérisant le moteur asynchrone à contrôler
- 116 -
Annexes
C - M-files/MATLAB utilisés pour la simulation des filtres de Kalman

C.1 - Programme de simulation du filtre de Kalman étendu (EKF)
Transformée
de Clarke Tensions I_as ^
Vabc statoriques
Vas I_bs ^
1 Vabc
Vbs (alpha_bêta)/(d_q ) Fi_r ^
Fi_ar ^
EKF
Ias
Fi_dr 2
Fi_ab
2 Iabc Fi_br ^ Fi_qr
Ibs Filtre de
Iabc Courants W_r ^ 1
statoriques Kalman étendu 1
( S-Function ) p
Wr ^
Figure C.1 : Schéma-bloc Simulink du filtre de Kalman étendu
 M-file du bloc S-function adopté dans la simulation du EKF

function [Output, x0] = EKF(t ,x ,U ,flag ,Te)
global a1 a2 b T Q R X_k1 P_k1 K X_k P
% Paramètres de la machine ------------------------------------------------%

Rs = 8.79 ; Rr = 0.65 ; Ls = 0.868 ; Lr = 0.072 ;
Tr = Lr/Rr ; M = 0.24 ; T = 1/Tr ;
Sig = 1-((M^2)/(Ls*Lr)) ; b = 1/(Sig*Ls) ;
a1 = b*(Rs+(M^2)/(Lr*Tr)) ; a2 = b*M/Lr ;
% Phase d'initialisation --------------------------------------------------%

q_c = 1e-4 ; q_f = 1e-5 ; q_w = 850 ;
r = 1.5 ;
p_c = 2.50 ; p_f = 0.20 ; p_w = 120 ;
Q = diag([q_c ,q_c ,q_f ,q_f ,q_w]) ;

R = diag([r ,r]) ;
if flag == 0
Output = [0,5,5,4,0,0] ;
x0 = zeros(5,1) ;
K = zeros(5,2) ;
P = diag([p_c, p_c, p_f, p_f, p_w]) ;
% Définition du système à contrôler ---------------------------------------%

elseif flag == 2
Vs = [U(1); U(2)] ; % Vecteur d'entrée : Tensions d'alimentation

X_mesure = [U(3); U(4)] ; % Vecteur de mesure : Courants statoriques
% --> Définition de la matrice Jacobienne, Équation (IV.102)

F = [(1-Te*a1) , 0 , Te*a2*T , Te*a2*x(5) , Te*a2*x(4) ;
0 ,(1-Te*a1) ,-Te*a2*x(5) , Te*a2*T ,-Te*a2*x(3) ;
Te*M*T , 0 ,(1-Te*T) ,-Te*x(5) ,-Te*x(4) ;
0 , Te*M*T , Te*x(5) ,(1-Te*T) , Te*x(3) ;
0 , 0 , 0 , 0 , 1 ] ;
- 117 -
Annexes
B = Te * [ b ,0 ;
0 ,b ;
0 ,0 ;
0 ,0 ;
0 ,0 ] ;
H = [ 1 ,0 ,0 ,0 ,0 ;
0 ,1 ,0 ,0 ,0 ] ;
% Phase de prédiction à priori --------------------------------------------%
% --> Prédiction de l'état 'X(k+1|k)' en utilisant l'équation (IV.101)

X_k1 = [ F(1,1)*x(1) + F(1,3)*x(3) + F(1,4)*x(4) ;
F(2,2)*x(2) + F(2,3)*x(3) + F(2,4)*x(4) ;
F(3,1)*x(1) + F(3,3)*x(3) + F(3,4)*x(4) ;
F(4,2)*x(2) + F(4,3)*x(3) + F(4,4)*x(4) ;
F(5,5)*x(5)]+ B * Vs ;
% --> Prédiction de la matrice de covariance de l’erreur 'P(k+1|k)'

P_k1 = F*P*F' + Q ; % Équation (IV.102)
% Phase de correction a posteriori 'X(k+1|k+1)'----------------------------%

K = P_k1 * H' * (inv(H * P_k1 * H'+ R)) ; % Équation (IV.103)
X_k = X_k1 + K *(X_mesure - H*x) ; % Équation (IV.104)
Output = X_k ;
P = (eye(5) - K * H) * P_k1 ; % Mise à jour de la matrice 'P'-> P(k+1|k+1)

% Équation (IV.105)
% Détermination des sorties de l'estimateur 'EKF' -------------------------%

elseif flag == 3
Output = X_k ;
elseif flag == 9
Output = [] ;
end ; end
% -------------------------------------------------------------------------%
C.2 - Programme de simulation du filtre de Kalman d’ordre réduit (RO-EKF)
Bloc de calcul
des entrées
Vabc (alpha_bêta)/(d_q ) Fi_r ^
Fi_ar ^
1 Vabc Is Fi_dr 2
Fi_ab
Fi_br ^ Fi_qr
RO_EKF
2 Iabc Y W_r ^ 1
1
Iabc Filtre de Kalman p
Wr ^
étendu d'ordre réduit
( S-Function )
Figure C.2 : Schéma-bloc Simulink du filtre de Kalman étendu d’ordre réduit
- 118 -
Annexes
 M-file du bloc S-function adopté dans la simulation du RO-EKF

function [Output, x0] = RO_EKF(t ,x ,U ,flag ,Te)
global T M Q R X_k1 P_k1 K X_k P
% Paramètres de la machine ------------------------------------------------%

Lr = 0.072 ; Rr = 0.65 ; T = Rr/Lr ; M = 0.24 ;
% Phase d'initialisation --------------------------------------------------%

q_f = 5e-7 ; q_w = 5.5e2 ; r = 7.5e-5 ;
p_f = 0.2 ; p_w = 60 ;
Q = diag([q_f, q_f, q_w]) ; R = diag([r,r]) ;
if flag == 0
Output = [0,3,3,4,0,0] ; x0 = zeros(3,1) ;
K = zeros(3,2) ; P = diag([p_f, p_f, p_w]) ;
% Définition du système à contrôler ---------------------------------------%

elseif flag == 2
Is = [U(1); U(2)] ; % Vecteur d'entrée : Courants statoriques
Y = [U(3); U(4)] ; % Vecteur de mesure : Flux rotoriques
% --> Définition de la matrice Jacobienne

F = [(1-T*Te) ,-Te*x(3) ,-Te*x(2) ;
Te*x(3) ,(1-T*Te) , Te*x(1) ;
0 , 0 , 1 ] ;
H = [ 1 ,0 ,0 ;
0 ,1 ,0 ] ;
B = Te * [ M*T ,0 ;
0 ,M*T ;
0 ,0 ] ;
% Phase de prédiction à priori --------------------------------------------%

% --> Prédiction de l’état 'X(k+1|k)'
X_k1 = [ F(1,1)*x(1) + F(1,2)*x(2) ;
F(2,1)*x(1) + F(2,2)*x(2) ;
F(3,3)*x(3) ] + B * Is ;
% --> Prédiction de la matrice de covariance de l’erreur 'P(k+1|k)'

P_k1 = F * P * F' + Q ;
% Phase de correction à posteriori 'X(k+1|k+1)'----------------------------%

K = P_k1 * H'* (inv(H * P_k1 * H'+ R)) ;
X_k = X_k1 + K * (Y - H*x) ;
Output = X_k ;
P = (eye(3)-K*H)*P_k1 ; % Mise à jour de la matrice 'P'-> P(k+1|k+1)
% Détermination des sorties de l'estimateur 'EKF' -------------------------%

elseif flag == 3
Output = X_k ;
elseif flag == 9
Output = [] ;
end ; end
% -------------------------------------------------------------------------%
- 119 -
Bibliographie
(Abosh, 17) A. H. Abosh, Z. Q. Zhu & Y. Ren, “Reduction of Torque and Flux Ripples in Space Vector
Modulation-Based Direct Torque Control of Asymmetric Permanent Magnet Synchronous Machine”,
IEEE Transactions on Power Electronics, Vol. 32, No. 4, pp. 2976–2986, 2017.
(Accetta, 14) A. Accetta, M. Cirrincione, M. Pucci & G. Vitale, “Neural Sensorless Control of Linear
Induction Motors by a Full-Order Luenberger Observer Considering the End Effects”, IEEE
Transactions on Industry Applications, Vol. 50, No. 3, pp. 1891–1904, 2014.
(Aichi, 18a) B. Aichi, M. Bourahla & K. Kendouci, “High-Performance Speed Control of Induction Motor
Using a Variable Gains Backstepping: Experimental Validation”, International Review of Electrical
Engineering (IREE), Vol. 13, No. 4, pp. 342–351, 2018.
(Aichi, 18b) B. Aichi, M. Bourahla & K. Kendouci, “Real-Time Hybrid Control of Induction Motor Using
Sliding Mode and PI Anti-Windup”, La troisième Conférence internationale en Sciences et Technologies
Electriques au Maghreb (CISTEM), Oct 2018, Alger, Algérie, pp. 174–179.
(Aichi, 18c) B. Aichi, M. Bourahla & K. Kendouci, “Nonlinear Speed Control of Induction Motor by the
Combination of Fuzzy-Sliding-Mode and Integral-Backstepping Controllers”, International Conference
on Applied Smart Systems (ICASS), Nov 2018, Medea, Algeria, pp. 139–144.
(Aichi, 18d) B. Aichi, M. Bourahla & K. Kendouci, “Commande Non-linéaire Sans Capteur Mécanique
d’un Moteur Asynchrone Basée sur un Observateur Mode Glissant”, Première Conférence Nationale
sur L’électrotechnique et les Energies Renouvelables, Nov 2018, Saida, Algérie.
(Aichi, 20a) B. Aichi, M. Bourahla, K. Kendouci & B. Mazari, “Real-time nonlinear speed control of an
induction motor based on a new advanced integral backstepping approach”, Transactions of the
Institute of Measurement and Control, Vol. 42, No. 2, pp. 244–258, 2020.
(Aichi, 20b) B. Aichi & K. Kendouci, “Robust and Stable Speed Control Design Using the Variable Gains
Backstepping Technique for High-Efficiency Three-Phase Induction Motor Drives”,
2020 1st International Conference on Communications, Control Systems and Signal Processing (CCSSP),
EL OUED, Algeria, 2020, pp. 376–381.
(Aichi, 20c) B. Aichi & K. Kendouci, “A Novel Switching Control or Induction Motors Using a Robust
Hybrid Controller that Combines Sliding Mode with PI Anti-Windup”, Periodica Polytechnica
Electrical Engineering and Computer Science, Vol. 64, No. 4, pp. 392–405, 2020.
(Akin, 06) B. Akin, U. Orguner, A. Ersak & M. Ehsani, “Simple Derivative-Free Nonlinear State Observer
for Sensorless AC Drives”, IEEE/ASME Transactions on Mechatronics, Vol. 11, No. 5, pp. 634–643, 2006.
(Alazard, 17) D. Alazard, “Introduction au filtre de Kalman”, Course key notes - Corrected exercises -
Matlab training session, Université de Toulouse, Institut Supérieur de l’Aéronautique et de l’Espace -
ISAE-SUPAERO, France, 2017. Disponible à : https://oatao.univ-toulouse.fr/377/ [Consulté le :
30/07/2021].
(Almakhles, 20) D. J. Almakhles, “Robust Backstepping Sliding Mode Control for a Quadrotor Trajectory
Tracking Application”, IEEE Access, Vol. 8, pp. 5515–5525, 2020.
(Al-Rouh, 04) I. Al-Rouh, “Contribution à la commande sans capteur de la machine asynchrone”, Thèse
de Doctorat, Université Henri Poincaré - Nancy I, France, 2004.
(Ammar, 17a) A. Ammar, A. Benakcha & A. Bourek, “Closed loop torque SVM-DTC based on robust
super twisting speed controller for induction motor drive with efficiency optimization”, International
Journal of Hydrogen Energy, Vol. 42, No. 28, pp. 17940–17952, 2017.
(Ammar, 17b) A. Ammar, A. Bourek & A. Benakcha, “Nonlinear SVM-DTC for induction motor drive
using input-output feedback linearization and high order sliding mode control”, ISA Transactions,
Vol. 67, pp. 428–442, 2017.
- 120 -
Bibliographie
(Ammar, 20) A. Ammar, A. Kheldoun, B. Metidji, T. Ameid & Y. Azzoug, “Feedback linearization based
sensorless direct torque control using stator flux MRAS-sliding mode observer for induction motor
drive”, ISA Transactions, Vol. 98, pp. 382–392, 2020.
(Areed, 10) F. G. Areed, A. Y. Haikal & R. H. Mohammed, “Adaptive neuro-fuzzy control of an induction
motor”, Ain Shams Engineering Journal, Vol. 1, No. 1, pp. 71–78, 2010.
(Aurora, 07) C. Aurora & A. Ferrara, “A sliding mode observer for sensorless induction motor speed
regulation”, International Journal of Systems Science, Vol. 38, No. 11, pp. 913–929, 2007.
(Baghli, 99) L. Baghli, “Contribution à la commande de la machine asynchrone, utilisation de la logique
floue, des réseaux de neurones et des algorithmes génétiques”, Thèse de Doctorat, Université Henri
Poincaré - Nancy I. France, 1999.
(Bahloul, 18) M. Bahloul, L. Chrifi-Alaoui, S. Drid, M. Souissi & M. Chaabane, “Robust sensorless vector
control of an induction machine using Multiobjective Adaptive Fuzzy Luenberger Observer”, ISA
Transactions, Vol. 74, pp. 144–154, 2018.
(Bakhti, 11) I. Bakhti, S. Chaouch & A. Maakouf, “High performance backstepping control of induction
motor with adaptive sliding mode observer”, Archives of Control Sciences, Vol. 21, pp. 331–344, 2011.
(Barambones, 07) O. Barambones, A. J. Garrido & F. J. Maseda, “Integral sliding-mode controller for
induction motor based on field-oriented control theory”, IET Control Theory & Applications, Vol. 1,
No. 3, pp. 786–794, 2007.
(Barroso, 18) R. A. N. Barroso & T. R. F. Neto, “Sensorless Torque Control of an Induction Motor through
Quadrature Voltage Injection”, IEEE Latin America Transactions, Vol. 16, No. 5, pp. 1375–1379, 2018.
(Bartolini, 03) G. Bartolini, A. Pisano, E. Punta & E. Usai, “A survery of applications of second order sliding
mode control to mechanical systems”, International Journal of Control, Vol. 76, No. 9, pp. 875–892, 2003.
(Bartolini, 96) G. Bartolini, A. Ferrara & E. Usai, “Sub-Optimal Sliding Mode Control of Uncertain Second
Order Dynamical Systems”, IFAC Proceedings Volumes, Vol. 29, No. 1, pp. 2254–2259, 1996.
(Bartolini, 98) G. Bartolini, A. Ferrara & E. Usai, “Chattering avoidance by second-order sliding mode
control”, IEEE Transactions on Automatic Control, Vol. 43, No 2, pp. 241–246, 1998.
(Basha, 19) F. J. Basha & K. Somasundaram, “State Estimation of Induction Motors Using Particle Swarm
Optimization Tuned Unscented Kalman Filter”, 2019 Innovations in Power and Advanced Computing
Technologies (i-PACT), Vellore, India, 2019.
(Belkacem, 11) S. Belkacem, F. Naceri & R. Abdessemed, “Improvement in DTC-SVM of AC drives using
a new robust adaptive control algorithm”, International Journal of Control, Automation and Systems,
Vol. 9, pp. 267–275, 2011.
(Ben Regaya, 14a) C. Ben Regaya, A. Zaafouri & A. Chaari, “Electric drive control with rotor resistance and
rotor speed observers based on fuzzy logic”, Mathematical Problems in Engineering, Vol. 2014,
Article ID 207826,pp. 1-9, 2014.
(Ben Regaya, 14b) C. Ben Regaya, A. Zaafouri & A. Chaari, “A new sliding mode speed observer of electric
motor drive based on fuzzy-logic”, Acta Polytechnica Hungarica, Vol. 11, No. 3, pp. 219–232. 2014.
(Ben Regaya, 16) C. Ben Regaya, “Contribution à la synthèse de lois de commande robuste de la machine
à induction triphasée : Validation expérimentale”, Thèse de Doctorat, École supérieure des sciences et
techniques de Tunis, Tunisie, 2016.
(Ben Regaya, 18) C. Ben Regaya, F. Farhani, A. Zaafouri & A. Chaari, “A novel adaptive control method
for induction motor based on Backstepping approach using dSpace DS 1104 control board”, Mechanical
Systems and Signal Processing, Vol. 100, No. 1, pp. 466–481, 2018.
(Benaskeur, 00) A. Benaskeur, “Aspects de l’application du backstepping adaptatif à la commande
décentralisée des systémes non-linéaires”, Thèse de Doctorat, Department of Electrical and Computer
Engineering, Universite Laval, Quebec City, Canada, 2000.
- 121 -
Bibliographie
(Benchaib, 99) A. Benchaib, A. Rachid, E. Audrezet & M. Tadjine, “Real-time sliding-mode observer and
control of an induction motor”, IEEE Transactions on Industrial Electronics, Vol. 46, No. 1, pp. 128–138,
1999.
(Bendaas, 16) I. Bendaas, “Contribution à la Commande Hybride par Mode Glissant Floue Appliquée à
un Moteur à Induction. Apport des Techniques de L’intelligence Artificielle”, Thèse de Doctorat,
Université de Batna 2, Algérie, 2016.
(Benderradji, 13) H. Benderradji, “Contribution à la Commande Robuste de la Machine à Induction”, Thèse
de Doctorat, Université de Batna 2, Algérie, 2013.
(Bennassar, 17) A. Bennassar, A. Abbou & M. Akherraz, “Combining fuzzy Luenberger observer and
Kalman filter for speed sensorless integral backstepping controlled induction motor drive”,
International Journal of Automation and Control, Vol. 11, No.3 pp. 298–313, 2017.
(Bensaker, 04) B. Bensaker, H. Kherfane, A. Maouche & R. Wamkeue, “Nonlinear Modelling of Induction
Motor Drives for Nonlinear Sensorless Control Purposes”, IFAC Proceedings Volumes, Vol. 37, No. 13,
pp. 1401–1406, 2004.
(Bindal, 20) R. K. Bindal & I. Kaur, “Torque ripple reduction of Induction Motor using Dynamic Fuzzy
Prediction Direct Torque Control”, ISA Transactions, Vol. 99, pp. 322–338, 2020.
(Blaschke, 72) F. Blaschke, “The principle of field orientation applied to the new transvector closed-loop
control system for rotating field machine”, Siemens-Rev, No. 93, pp. 217–220, 1972.
(Bodson, 94) M. Bodson, J. Chiasson & R. Novotnak, “High-performance induction motor control via input-
output linearization”, IEEE Control Systems Magazine, Vol. 14, No. 4, pp. 25–33, 1994.
(Bohn, 94) C. Bohn & D. P. Atherton, “A SIMULINK package for comparative studies of PID anti-windup
strategies”, Proceedings of IEEE Symposium on Computer-Aided Control Systems Design (CACSD),
Tucson, AZ, USA, 1994, pp. 447–452.
(Boldea, 02) I. Boldea, “CHAPTER 9 - Direct Torque and Flux Control (DTFC) of ac Drives”, Editor(s):
Marian P. Kazmierkowski, R. Krishnan, Frede Blaabjerg, In Academic Press Series in Engineering,
Control in Power Electronics, Academic Press, pp. 301–349, 2002.
(Boldea, 92) I. Boldea & S. A. Nusar, “Vector Control of AC Drives “, 1st edition, CRC Press, Boca, FL, 1992.
(Bose, 06) B. K. Bose, “Power Electronics and Motor Drives: Advances and Trends”, 1st Edition,
Elsevier/Academic Press, 2006.
(Bose, 86) B. K. Bose, “Power electronics and AC drives”, PrenticeHall, USA, 1986.
(Boussak, 06) M. Boussak & K. Jarray, “A high-performance sensorless indirect stator flux orientation control
of induction motor drive”, IEEE Transactions on Industrial Electronics, Vol. 53, No. 1, pp. 41-49, 2006.
(Burton, 86) J. A. Burton & A. S. I. Zinober, “Continuous approximation of variable structure control”,
International Journal of Systems Science, Vol. 17, No. 6, pp. 875–885, 1986.
(Canudas, 00) C. Canudas-de-Wit, “Commande des moteurs asynchrones - Tome 1 - Modélisation, contrôle
vectoriel et DTC ”, Edition Hermès Sciences/Lavoisier, France, 2000.
(Caron, 95) J. P. Caron & J. P. Hautier, “Modélisation et commande de la Machine Asynchrone”, Edition
Technip, Paris, France, 1995.
(Caruana, 06) C. Caruana, G. M. Asher & M. Sumner, “Performance of HF signal injection techniques for
zero-low-frequency vector control of induction Machines under sensorless conditions”, IEEE
Transactions on Industrial Electronics, Vol. 53, No. 1, pp. 225–238, 2006.
(Cava, 89) L. Cava, C. Picardi & F. Ranieri, “Application of the extended Kalman filter to parameter and
state estimation of induction motors”, International Journal of Modelling and Simulation, Vol. 9, No. 3,
pp. 85–89, 1989.
- 122 -
Bibliographie
(Chan, 11) T. F. Chan & K. Shi, “GA-Optimized Extended Kalman Filter for Speed Estimation”, Applied
Intelligent Control of Induction Motor Drives, IEEE, pp. 243–271, 2011.
(Chatelain, 89) J. Chatelain, “Machines électriques”, Lausanne : Presses polytechniques romandes, 1989.
(Cirrincione, 13) M. Cirrincione, A. Accetta, M. Pucci & G. Vitale, “MRAS Speed Observer for High-
Performance Linear Induction Motor Drives Based on Linear Neural Networks”, IEEE Transactions on
Power Electronics, Vol. 28, No. 1, pp. 123–134, 2013.
(Comanescu, 16) M. Comanescu, “Design and Implementation of a Highly Robust Sensorless Sliding
Mode Observer for the Flux Magnitude of the Induction Motor”, IEEE Transactions on Energy
Conversion, Vol. 31, No. 2, pp. 649–657, 2016.
(Condomines, 18) J. P. Condomines, “Filtrage de Kalman non linéaire pour la navigation multicapteurs
d’un mini drone : Application au pilotage-guidage robuste en milieu complexe”, ISTE Group. 2018.
(Consoli, 03) A. Consoli, G. Scarcella & A. Testa, “Using the induction motor as a flux sensor: new
control perspectives for zero-speed operation of standard drives”, IEEE Transactions on Industrial
Electronics, Vol. 50, No. 5, pp. 1052–1061, 2003.
(Dahmani, 12) M. Dahmani, “Application du filtre de Kalman linéaire et non linéaire et ses dérivées à la
poursuite d’une cible manoeuvrante”, Thèse de Doctorat, Université des Sciences et de la Technologie
d’Oran – Mohamed Boudiaf (USTO–MB), Algérie, 2012.
(Damkhi, 14) S. Damkhi, “Contribution à L’Amélioration des Performances des Commandes sans
Capteurs de Vitesse pour une Machine à Induction”, Thèse de Doctorat, Université de Batna 2, Algérie,
2014.
(Depenbrock, 88) M. Depenbrock, “Direct self-control (DSC) of inverter-fed induction machine”, IEEE
Transactions on Power Electronics, Vol. 3, No. 4, pp. 420–429, 1988.
(Dib, 11) A. Dib, M. Farza, M. M’Saad, P. Dorléans & J. F. Massieu, “High gain observer for sensorless
induction motor”, IFAC Proceedings Volumes, Vol. 44, No. 1, pp. 674–679, 2011.
(Dib, 12) A. Dib, “Observation et Commande de la Machine Asynchrone”, Thèse de Doctorat, Université
de Caen, France, 2012.
(Dong, 16) C. Dong, P. Brandstetter, H.H. Vo & V.H. Duy, “Sliding Mode Observer for Induction Motor
Control”, In : V. Duy, T. Dao, I. Zelinka, HS Choi, M. Chadli (eds) AETA 2015: Recent Advances in
Electrical Engineering and Related Sciences. Lecture Notes in Electrical Engineering, Vol. 371,
pp. 313–323. Springer, Cham, 2016.
(Drid, 07) S. Drid, M. Tadjine & M. -S. Nait-Said, “Robust backstepping vector control for the doubly fed
induction motor”, IET Control Theory & Applications, Vol. 1, No. 4, pp. 861–868, 2007.
(Emelyanov, 86) S. V. Emelyanov, S. V. Korovin, L. V. Levantovsky, “Higher order sliding modes in the
binary control system”, Soviet physic, Vol. 31, No. 4, pp.291–293, 1986.
(Espina, 09) J. Espina, A. Arias, J. Balcells & C. Ortega, “Speed Anti-Windup PI strategies review for
Field Oriented Control of Permanent Magnet Synchronous Machines”, 2009 Compatibility and Power
Electronics, Badajoz, 2009, pp. 279–285.
(Essounbouli, 03) N. Essounbouli, A. Hamzaoui & N. Manamanni, “Fuzzy Supervisor for Combining
Sliding Mode Control and H∞ Control”, In Bilgiç T., De Baets B., Kaynak O. (eds) Fuzzy Sets and
Systems — IFSA 2003. Lecture Notes in Computer Science (Lecture Notes in Artificial Intelligence),
Vol. 2715, pp. 466–473, Springer, Berlin, Heidelberg, 2003.
(Faidallah, 95) A. Faidallah, “Contribution à l’identification et à la commande vectorielle des machines
asynchrones”, Thèse de Doctorat, Institut national polytechnique de Lorraine, France, 1995.
(Fan, 19) B. Fan, Z. Fu, L. Liu & J. Fu, “The full-order state observer speed-sensorless vector control
based on parameters identification for induction motor”, Measurement and Control, Vol. 52, No. 3-4,
pp. 202–211, 2019.
- 123 -
Bibliographie
(Faqir, 03) A. Faqir, F. Betin, L. Chrifi Alaoui, B. Nahid & C. Pinchon, “Varying Sliding Surface Control
of an induction machine drive”, Proceedings of 2003 IEEE Conference on Control Applications, Vol. 1,
Jun. 2003, pp. 93–98.
(Foulon, 07) E. Foulon, C. Forgez & L. Loron, “Resistances estimation with an extended kalman filter in the
objective of real-time thermal monitoring of the induction machine”, IET Electric Power Applications,
Vol. 1, No. 4, pp. 549–556, 2007.
(Fridman, 02) L. Fridman & A. Levant, “Higher order sliding mode, in: Sliding Mode Control in
engineering”, Systems and Control Book Series, Taylor and Francis, 2002.
(Fridman, 96) L. Fridman & A. Levant, “Higher order sliding modes as a natural phenomenon in control
theory”, In: Garofalo F., Glielmo L. (eds.) Robust Control via Variable Structure and Lyapunov
Techniques. Lecture Notes in Control and Information Sciences, Vol. 217, Springer, Berlin, Heidelberg,
1996.
(Gadoue, 10) S. M. Gadoue, D. Giaouris & J. W. Finch, “MRAS Sensorless Vector Control of an Induction
Motor Using New Sliding-Mode and Fuzzy-Logic Adaptation Mechanisms”, IEEE Transactions on
Energy Conversion, Vol. 25, No. 2, pp. 394–402, 2010.
(Gastli, 92) A. Gastli & N. Matsui, “Stator flux controlled V/f PWM inverter with identification of IM
parameters (induction motors)”, IEEE Transactions on Industrial Electronics, Vol. 39, No. 4,
pp. 334–340, 1992.
(Gdaim, 13) S. Gdaim, “Commande directe de couple d’un moteur asynchrone à base de techniques
intelligentes”, Thèse de Doctorat, Ecole Nationale d’Ingénieurs de Monastir, Tunisie, 2013.
(Ghanes, 05) M. Ghanes, “Observation et commande de la machine asynchrone sans capteur mécanique”,
Thèse de Doctorat, Ecole Centrale de Nantes, France, 2005.
(Ghouili, 05) J. Ghouili, “Commande sans capteur d'une machine asynchrone avec estimation de la vitesse
par réseaux de neurones”, Thèse de Doctorat, Université du Québec à Trois-Rivières, Canada, 2005.
(Gille, 88) J. C. Gille, “Systèmes asservis non linéaires”, Dunod, France, 1988.
(Grillet, 96) G. Grillet & G. Clerc, “Actionneurs Électriques, Principes, Modèles et Commande”, Editions
Eyrolles, France, 1996.
(Ha, 99) J. Ha & S. Sul, “Sensorless field-orientation control of an induction machine by high-frequency
signal injection”, IEEE Transactions on Industry Applications, Vol. 35, No. 1, pp. 45–51, 1999.
(Hamida, 17) M. A. Hamida, J. de Leon & A. Glumineau, “Experimental sensorless control for IPMSM by
using integral backstepping strategy and adaptive high gain observer”, Control Engineering Practice,
Vol. 59, pp. 64–76, 2017.
(Hamzaoui, 03) A. Hamzaoui, N. Manamanni, N. Essounbouli & J. Zaytoon, “Switching Controllers’
Synthesis: Combination of a Sliding Mode and H Infinity Control by a Fuzzy Supervisor”, IFAC
Proceedings Volumes, Vol. 36, No. 6, pp. 247–252, June 2003.
(Harrouz, 18) A. Harrouz, H. Becheri, I. Colak & K. Kayisli, “Backstepping control of a separately excited
DC motor”, Electrical Engineering, Vol. 100, pp. 1393–1403, 2018.
(Hasse, 69) K. Hasse, “On the dynamics of speed control of a static ac drive with a squirrel-cage
induction machine”, Thèse de Doctorat, Université de technologie de Darmstadt, Allemagne, 1969.
(Hilairet, 09) M. Hilairet, F. Auger & E. Berthelot, “Speed and rotor flux estimation of induction machines
using a two-stage extended Kalman filter”, Automatica, Vol. 45, No. 8, pp. 1819–1827, 2009.
(Hinkkanen, 04) M. Hinkkanen, “Flux estimators for speed-sensorless induction motor drives”, Thèse
de Doctorat, Université technologique d’Helsinki, Finlande, 2004.
- 124 -
Bibliographie
(Holakooie, 16) M. H. Holakooie, M. Ojaghi & A. Taheri, “Full-order Luenberger observer based on fuzzy-
logic control for sensorless field-oriented control of a single-sided linear induction motor”, ISA
Transactions”, Vol. 60, pp. 96–108, 2016.
(Holakooie, 18) M. H. Holakooie, M. Ojaghi & A. Taheri, “Direct Torque Control of Six-Phase Induction
Motor With a Novel MRAS-Based Stator Resistance Estimator”, IEEE Transactions on Industrial
(Holakooie, 19) M. H. Holakooie, M. Ojaghi & A. Taheri, “Modified DTC of a Six-Phase Induction Motor
With a Second-Order Sliding-Mode MRAS-Based Speed Estimator”, IEEE Transactions on Power
(Holtz, 02) J. Holtz, “Sensorless control of induction motor drives”, Proceedings of the IEEE, Vol. 90, No.
8, pp. 1359–1394, 2002.
(Horch, 18) M. Horch, “Contribution à l’observation et la commande non linéaire d’actionneur électrique
asynchrone sans capteur mécanique”, Thèse de Doctorat, Université Aboubakr Belkaïd, Algérie, 2018.
(Horch, 19) M. Horch, A. Boumédiène & L. Baghli, “Direct torque control of induction machine drive
based on sliding mode controller and a stator resistance compensator with a new hybrid observer”,
Int. J. Digital Signals and Smart Systems, Vol. 3, No. 1/2/3, pp. 60–78, 2019.
(Hsieh, 03) C. S. Hsieh, “General two-stage extended Kalman filters”, IEEE Transactions on Automatic
Control, Vol. 48, No. 2, pp. 289–293, 2003.
(Hsieh, 99) C. S. Hsieh & F. C. Chen, “Optimal solution of the two-stage Kalman estimator”, IEEE
Transactions on automatic control, Vol. 44, No. 1, pp. 194–199, 1999.
(Ilten, 19) E. Ilten & M. Demirtas, “Fractional order super-twisting sliding mode observer for sensorless
control of induction motor”, COMPEL - The international journal for computation and mathematics in
electrical and electronic engineering, Vol. 38, No. 2, pp. 878–892, 2019.
(Jafarzadeh, 12) S. Jafarzadeh, C. Lascu & M. S. Fadali, “State Estimation of Induction Motor Drives Using
the Unscented Kalman Filter”, IEEE Transactions on Industrial Electronics, Vol. 59, No. 11,
pp. 4207–4216, 2012.
(Jamoussi, 13) K. Jamoussi, M. Ouali, L. Chrifi-Alaoui, H. Benderradji & A. E. Hajjaji, “Robust sliding mode
control using adaptive switching gain for induction motors”, International Journal of Automation and
Computing, Vol. 10, No. 4, pp. 303–311, 2013.
(Jansen, 95) P. Jansen & R. Lorenz, “Transducerless position and velocity estimation in induction and
salient AC machines”, IEEE Transactions on Industry Applications, Vol. 31, No. 2, pp. 240-247, 1995.
(Jebai, 13) A. Jebai, “Commande sans capteur des moteurs synchrones á aimants permanents par
injection de signaux”, Thèse de Doctorat, École Nationale Supérieure des Mines de Paris, France, 2013.
(Jiang, 18) T. Jiang, D. Lin & T. Song, “Finite-Time Backstepping Control for Quadrotors With
Disturbances and Input Constraints”, IEEE Access, Vol. 6, pp. 62037–62049, 2018.
(Jodouin, 94) J. F. Jodouin, “Les réseaux de neurones : principes et definitions”, Hermes Science
Publications. 1994.
(Johnson, 69) G. Johnson, “A deterministic theory of estimation and control”, IEEE Transactions on
Automatic Control, Vol. 14, No. 4, pp. 380-384, 1969.
(Jouili, 12) M. Jouili, K. Jarray, Y. Koubaa & M. Boussak, “Luenberger state observer for speed
sensorless ISFOC induction motor drives”, Electric Power Systems Research, Vol. 89, pp. 139-147, 2012.
(Kabache, 07) N. Kabache, “Amélioration des performances de la commande d'un moteur asynchrone à
cage et élaboration d'un estimateur universel de ses paramètres en utilisant les réseaux de neurones
artificiels”, Thèse de Doctorat, Université de Boumerdès, Algérie, 2007.
- 125 -
Bibliographie
(Kadrine, 20) A. Kadrine, Z. Tir, O. P. Malik, M. A. Hamida, A. Reatti & A. Houari, “Adaptive non-linear
high gain observer based sensorless speed estimation of an induction motor”, Journal of the Franklin
Institute, Vol. 357, No. 13, pp. 8995–9024, 2020.
(Kalman, 60) R. E. Kalman, “A new approach to linear filtering and prediction problems”, ASME–Journal
of Basic Engineering, Vol. 82, No. 1, pp. 35–45, 1960.
(Kalman, 61) R. E. Kalman & R. S. Bucy, “New results in linear filtering and prediction theory”, ASME-
Journal of basic engineering. Vol. 83, No. 1, pp. 95–108. 1961.
(Kanellakopoulos, 91) I. Kanellakopoulos, P. V. Kokotovic & A. S. Morse, “Systematic design of adaptive
controllers for feedback linearizable systems”, IEEE Transactions on Automatic Control, Vol. 36, No. 11,
pp. 1241–1253, 1991.
(Karanayil, 07) B. Karanayil, M. F. Rahman & C. Grantham, “Online Stator and Rotor Resistance Estimation
Scheme Using Artificial Neural Networks for Vector Controlled Speed Sensorless Induction Motor
Drive”, IEEE Transactions on Industrial Electronics, Vol. 54, No. 1, pp. 167–176, 2007.
(Kendouci, 12) K. Kendouci, “Contribution à la commande sans capteur mécanique d’une machine synchrone
à aimants permanents”, Thèse de Doctorat, Université des Sciences et de la Technologie d’Oran –
Mohamed Boudiaf (USTO–MB), Algérie, 2012.
(Khaila, 03) A. Khaila, “Observateur de flux pour la commande vectorielle de la machine asynchrone :
conception et implantation”, Mémoire de maitrise en génie électrique“, Université du Québec à Trois-
Rivières, Canada, 2003.
(Khlaief, 12) A. Khlaief, “Contribution à la commande vectorielle sans capteur mécanique des machines
synchrones à aimants permanents (MSAP)”, Thèse de Doctorat, Université d’Aix-Marseille, France,
2012.
(Kim, 17) J. Kim, J. Ko, J. Lee & Y. Lee, “Rotor Flux and Rotor Resistance Estimation Using Extended
Luenberger-Sliding Mode Observer (ELSMO) for Three Phase Induction Motor Control”, Canadian
Journal of Electrical and Computer Engineering, Vol. 40, No. 3, pp. 181–188, 2017.
(Kim, 99) Y. H. Kim & Y. S. Kook, “High performance IPMSM drives without rotational position sensors
using reduced-order EKF”, IEEE Transactions on Energy Conversion, Vol. 14, No. 4, pp. 868–873, 1999.
(Koteich, 16) M. Koteich, “Modélisation et Observabilité des Machines Électriques en vue de la commande
sans capteur mécanique“, Thèse de Doctorat, Université Paris-Saclay, France, 2016.
(Kowalska, 89) T. O. Kowalska, “Application of extended Luenberger observer for flux and rotor time-
constant estimation in induction motor drives”, IEE Proceedings D - Control Theory and Applications,
Vol. 136, No. 6, pp. 324–330, 1989.
(Krause, 13) P. Krause, O. Wasynczuk, S. Sudhoff & S. Pekarek, “Induction Motor Drives”, in Analysis of
Electric Machinery and Drive Systems, 3eme edition, Wiley/IEEE Press, pp. 503–540, 2013.
(Krim, 20) S. Krim, S. Gdaim, A. Mtibaa & M. F. Mimouni, “FPGA-based real-time implementation of a
direct torque control with second-order sliding mode control and input–output feedback linearisation
for an induction motor drive”, IET Electric Power Applications, Vol. 14, No. 3, pp. 480–491, 2020.
(Krstić, 95) M. Krstić, I. Kanellakopoulos & P. V. Kokotović, “Nonlinear and Adaptive Control Design”,
Wiley-Interscience Publication, 1995.
(Kubota, 93) H. Kubota, K. Matsuse & T. Nakano, “DSP-based speed adaptive flux observer of induction
motor”, IEEE Transactions on Industry Applications, Vol. 29, No. 2, pp. 344–348, 1993.
(Kubota, 94) H. Kubota & K. Matsuse, “Speed sensorless field-oriented control of induction motor with
rotor resistance adaptation”, IEEE Transactions on Industry Applications, Vol. 30, No. 5, pp. 1219–1224,
1994.
- 126 -
Bibliographie
(Kumar, 11) S. Kumar, J. Prakash & P. Kanagasabapathy, “A critical evaluation and experimental verification
of Extended Kalman Filter, Unscented Kalman Filter and Neural State Filter for state estimation of three
phase induction motor”, Applied Soft Computing, Vol. 11, No. 3, pp. 3199–3208, 2011.
(Lai, 03) Y. Lai, J. Lin, “New hybrid fuzzy controller for direct torque control induction motor drives”,
IEEE Transactions on Power Electronics, Vol. 18, No. 5, pp. 1211–1219, 2003.
(Lalami, 12) A. Lalami, R. Wamkeue, I. Kamwa, M. Saad & J. J. Beaudoin, “Unscented Kalman filter for non-
linear estimation of induction machine parameters”, IET Electric Power Applications, Vol. 6, No. 9,
pp. 611–620, 2012.
(Lascu, 20) C. Lascu, A. Argeseanu & F. Blaabjerg, “Supertwisting Sliding-Mode Direct Torque and Flux
Control of Induction Machine Drives”, IEEE Transactions on Power Electronics, Vol. 35, No. 5,
pp. 5057–5065, 2020.
(Lee, 17) K. Lee, S. Ahmed & S. M. Lukic, “Universal Restart Strategy for Scalar (V/f) Controlled
Induction Machines”, IEEE Transactions on Industry Applications, Vol. 53, No. 6, pp. 5489–5495, 2017.
(Leite, 04) A. V. Leite, R. E. Araujo & D. Freitas, “Full and reduced order extended kalman filter for speed
estimation in induction motor drives: a comparative study”, 2004 IEEE 35th Annual Power Electronics
Specialists Conference, Aachen, Germany, 2004, Vol.3, pp. 2293–2299.
(Levant, 03) A. Levant, “Higher-order sliding modes, differentiation and output-feedback control”,
International Journal of Control, Vol. 76, No. 9-10, pp. 924–941, 2003.
(Levant, 05) A. Levant, “Quasi-continuous high-order sliding-mode controllers”, IEEE Transactions on
Automatic Control, Vol. 50, No. 11, pp. 1812–1816, 2005.
(Levant, 10) A. Levant, “Chattering Analysis”, IEEE Transactions on Automatic Control, Vol. 55, No. 6,
pp. 1380–1389, 2010.
(Levant, 93) A. Levant, “Sliding order and sliding accuracy in sliding mode control”, International Journal
of Control, Vol. 58, No. 6, pp. 1247–1263, 1993.
(Levant, 98) A. Levant, “Robust exact differentiation via sliding mode technique”, Automatica, Vol. 34, No. 3,
pp. 379–384, 1998.
(Levant, 99) A. Levant, “Controlling output variables via higher order sliding modes”, Proceeding of the 5th
European Control Conference, Karlsruhe, Germany, 1999.
(Li, 05a) J. Li, L. Xu & Z. Zhang, “An adaptive sliding-mode observer for induction motor sensorless
speed control”, IEEE Transactions on Industry Applications, Vol. 41, No. 4, pp. 1039–1046, 2005.
(Li, 05b) J. Li, “Adaptive sliding mode observer and loss minimization for sensorless field orientation
control of induction machine”, Thèse de Doctorat, Ohio State University, USA, 2005.
(Lin, 08) F. Lin, L. Teng C. Chen & Y. Hung, “FPGA-based adaptive backstepping control system using
RBFN for linear induction motor drive”, IET Electric Power Applications, Vol. 2, No. 6, pp. 325–340,
2008.
(Lipo, 96) T. A. Lipo, “Vector Control and Dynamics of AC Drives”, Oxford University Press, UK, 1996.
(Liu, 05) C. Liu, H. Chang & C. Wang, “Very low speed sensorless control of induction motor drives using
high‐frequency signal injection”, Journal of the Chinese Institute of Engineers, Vol. 28, No. 6,
pp. 957–966, 2005.
(Liu, 11) J. Liu & X. Wang, “Fuzzy Sliding Mode Control”, In: Advanced Sliding Mode Control for
Mechanical Systems, pp. 233–279, Springer, Berlin, Heidelberg, 2011.
(Louis, 04) J. P. Louis, “Modélisation des machines électriques en vue de leur commande : Concepts
généraux”, Traité EGEM, Série génie électrique, Lavoisier, Paris, 2004.
(Luenberger, 71) D. Luenberger, “An introduction to observers”, IEEE Transactions on Automatic Control,
Vol. 16, No. 6, pp. 596–602, 1971.
- 127 -
Bibliographie
(Maatoug, 09) T. Maatoug, “Synthèse d’observateurs adaptatifs pour les systèmes non linéaires”, Thèse
de Doctorat, Université de Caen - France/Université de Sfax - Tunisie, 2009.
(Maes, 98) J. Maes & J. Melkebeek, “Discrete time direct torque control of induction motors using back-
EMF measurement” Conference Record of 1998 IEEE Industry Applications Conference. Thirty-Third
IAS Annual Meeting (Cat. No. 98CH36242), St. Louis, MO, USA, 1998, pp. 407–414, Vol. 1.
(Mamdani, 74) E. H. Mamdani, “Application of fuzzy algorithms for control of simple dynamic plant”,
Proceedings of the Institution of Electrical Engineers, Vol. 121, No. 12, pp. 1585–1588, 1974.
(Mamdani, 75) E. H. Mamdani, S. Assilian, “An experiment in linguistic synthesis with a fuzzy logic
controller”, International journal of man-machine studies, Vol. 7, No. 1, pp. 1–13, 1975.
(Mannan, 03) M. A. Mannan, T. Murata, J. Tamura & T. Tsuchiya, “Indirect field oriented control for high
performance induction motor drives using space vector modulation with consideration of core loss”,
IEEE 34th Annual Conference on Power Electronics Specialist, PESC’03, Acapulco, Mexico, 2003, Vol. 3,
pp. 1449–1454.
(March, 07) P. March & M. Turner, “Anti-windup Compensator Designs for Permanent Magnet
Synchronous Motor Speed Regulation”, 2007 IEEE International Electric Machines & Drives Conference,
Antalya, 2007, pp. 312–317.
(Marino, 95) R. Marino, S. Peresada & P. Tomei, “Exponentially convergent rotor resistance estimation
for induction motors”, IEEE Transactions on Industrial Electronics, Vol. 42, No. 5, pp. 508–515, 1995.
(Masumpoor, 15) S. Masumpoor, H. yaghobi & M. A. Khanesar, “Adaptive sliding-mode type-2 neuro-fuzzy
control of an induction motor”, Expert Systems with Applications, Vol. 42, No. 19, pp. 6635–6647, 2015.
(Mehazzem, 10) F. Mehazzem, “Contribution à la commande d'un moteur asynchrone destiné à la traction
électrique”, Thèse de Doctorat, Université Frère Mentouri de Constantine – Algérie /Université Paris-
Est - France, 2010.
(Mehazzem, 17a) F. Mehazzem & A. Reama, “Comparative study of integral and classical backstepping
controllers in IFOC of induction motor fed by voltage source inverter”, International Journal of
Hydrogen Energy, Vol. 42, No 28, pp. 17953–17964, 2017.
(Mehazzem, 17b) F. Mehazzem, A. L. Nemmour & A. Reama, “Real time implementation of backstepping-
multiscalar control to induction motor fed by voltage source inverter”, International Journal of
Hydrogen Energy, Vol. 42, No. 28, pp. 17965–17975, 2017.
(Mercorelli, 12) P. Mercorelli, “A two-stage augmented extended Kalman filter as an observer for sensorless
valve control in camless internal combustion engines”, IEEE Transactions on Industrial Electronics,
Vol. 59, No. 11, pp. 4236–4247, 2012.
(Meroufel, 09) A. Meroufel, “Contrôle de la machine asynchrone”, Polycopie de cours, Université Djillali
Liabes, Algérie, 2009. Disponible à : https://fr.slideshare.net/mfoulah/polycopie-mer
[Consulté le : 30/07/2021].
(Mesloub, 20) H. Mesloub, M.T. Benchouia, R. Boumaaraf, A. Goléa, N. Goléa & M. Becherif, “Design and
implementation of DTC based on AFLC and PSO of a PMSM”, Mathematics and Computers in
Simulation, Vol. 167, pp. 340–355, 2020.
(Mihoub, 12) Y. Mihoub, “Commande floue adaptative de la machine asynchrone”, Thèse de Doctorat,
Université des sciences et de la technologie d’Oran - Mohamed Boudiaf (USTO-MB), Algérie, 2012.
(Mingardi, 16) D. Mingardi, N. Bianchi, L. Alberti & R. Zeni, “Analysis and Test of the Sensorless
Capability of Induction Motors With Created Saliency”, IEEE Transactions on Industry Applications,
Vol. 52, No. 3, pp. 2186–2193, 2016.
(Mishra, 20) R. N. Mishra & K. B. Mohanty, “Development and implementation of induction motor drive
using sliding-mode based simplified neuro-fuzzy control”, Engineering Applications of Artificial
Intelligence, Vol. 91, 103593, 2020.
- 128 -
Bibliographie
(Monteiro, 13) J. R. B. A. Monteiro, W. C. A. Pereira, M. P. Santana, T. E. P. Almeida, G. T. Paula & I. Santini,

“Anti-windup method for fuzzy PD+I, PI and PID controllers applied in brushless DC motor speed
control”, 2013 Brazilian Power Electronics Conference, Gramado, 2013, pp. 865–871.
(Morand, 05) F. Morand, “Techniques d’observation sans capteur de vitesse en vue de la commande des
machines asynchrones”, Thèse de Doctorat, INSA de Lyon, France, 2005.
(Morawiec, 13) M. Morawiec, “The Adaptive Backstepping Control of Permanent Magnet Synchronous
Motor Supplied by Current Source Inverter”, IEEE Transactions on Industrial Informatics, Vol. 9, No. 2,
pp. 1047–1055, 2013.
(Morawiec, 15) M. Morawiec, “Z-Type Observer Backstepping for Induction Machines”, IEEE Transactions
on Industrial Electronics, Vol. 62, No. 4, pp. 2090–2102, 2015.
(Morfin, 18) O. A. Morfin, F. A. Valenzuela, R. Ramírez Betancour, C. E. CastañEda, R. Ruíz-Cruz &
A. Valderrabano-Gonzalez, “Real-Time SOSM Super-Twisting Combined With Block Control for
Regulating Induction Motor Velocity”, IEEE Access, Vol. 6, pp. 25898–25907, 2018.
(Muraca, 92) P. Muraca & C. Picardi, “A Reduced Order Extended Kalman Filter Algorithm for Parameter
and State Estimation of an Induction Motor”, IFAC Proceedings Volumes, Vol. 25, No. 20, pp. 225–230,
1992.
(Naik, 12) N. V. Naik & S. P. Singh, “Improved dynamic performance of type-2 fuzzy based DTC
induction motor using SVPWM”, 2012 IEEE International Conference on Power Electronics, Drives and
Energy Systems (PEDES), Bengaluru, 2012.
(Oliveira, 16) C. M. R. Oliveira, M. L. Aguiar, J. R. B. A. Monteiro, W. C. A. Pereira, G. T. Paula & T. E. P.
Almeida, “Vector Control of Induction Motor Using an Integral Sliding Mode Controller with Anti-
windup”, Journal of Control, Automation and Electrical Systems, Vol. 27, No. 2, pp. 169–178, 2016.
(Ouali, 97) M. Ouali & M. B. A. Kamoun, “Field-oriented control induction machine and control by
sliding mode”, Simulation Practice and Theory, Vol. 5, No. 5, pp. 121–l36, 1997.
(Pacas, 11) M. Pacas, “Sensorless Drives in Industrial Applications”, IEEE Industrial Electronics
Magazine, Vol. 5, No. 2, pp. 16–23, 2011.
(Pan, 18) Y. Pan, H. Wang, X. Li & H. Yu, “Adaptive Command-Filtered Backstepping Control of Robot
Arms With Compliant Actuators”, IEEE Transactions on Control Systems Technology, Vol. 26, No. 3,
pp. 1149-1156, 2018.
(Park, 91) M-H. Park & K-S. Kim, “Chattering reduction in the position control of induction motor using
the sliding mode”, IEEE Transaction on Power Electronics, Vol. 6, No. 3, pp.317–325, 1991.
(Plestan, 10) F. Plestan, Y. Shtessel, V. Brégeault, & A. Poznyak, “New methodologies for adaptive sliding
mode control. International Journal of Control”, Vol. 83, No. 9, pp. 1907–1919, 2010.
(Precup, 11) R. Precup & H. Hellendoorn, “A survey on industrial applications of fuzzy control”,
Computers in Industry, Vol. 62, No. 3, pp. 213–226, 2011.
(Quintero, 17) E. Quintero-Manriquez, E. N. Sanchez, R. G. Harley, S. Li & R. A. Felix, “Neural Sliding Mode
Control for Induction Motors Using Rapid Control Prototyping”, IFAC-PapersOnLine, Vol. 50, No. 1,
pp. 9625–9630, 2017.
(Rafiq, 12) M. Rafiq, S. Rehman, F. Rehman, Q. R. Butt & I. Awan, “A second order sliding mode control
design of a switched reluctance motor using super twisting algorithm”, Simulation Modelling Practice
and Theory, Vol. 25, pp. 106–117, 2012.
(Rashed, 05) M. Rashed, K. B. Goh, M. W. Dunnigan, P. F. A. MacConnell, A. F. Stronach & B. W. Williams,
“Sensorless second-order sliding-mode speed control of a voltage-fed induction-motor drive using
nonlinear state feedback”, IEE Proceedings - Electric Power Applications, Vol. 152, No. 5, pp. 1127–1136,
2005.
- 129 -
Bibliographie
(Rashed, 06) M. Rashed, P. F. A. MacConnell & A. F. Stronach, “Nonlinear adaptive state-feedback speed
control of a voltage-fed induction motor with varying parameters”, IEEE Transactions on Industry
Applications, Vol. 42, No. 3, pp. 723–732, 2006.
(Rayyam, 18) M. Rayyam, M. Zazi & Y, Barradi, “A new metaheuristic unscented Kalman filter for state
vector estimation of the induction motor based on Ant Lion optimizer”, COMPEL - The international
journal for computation and mathematics in electrical and electronic engineering, Vol. 37, No. 3,
pp. 1054–1068, 2018.
(Rehman, 01) H. Rehman, “On the Analysis, Estimation, and Control of Field Oriented Induction Motor
Drives”, Thèse de Doctorat, Ohio State University, USA, 2001.
(Rehman, 02) H. Rehman, A. Derdiyok, M. K. Guven & Longya Xu, “A new current model flux observer for
wide speed range sensorless control of an induction machine”, IEEE Transactions on Power Electronics,
Vol. 17, No. 6, pp. 1041–1048, 2002.
(Rigatos, 11) G. G. Rigatos & P. Siano, “Sensorless Control of Electric Motors with Kalman Filters:
Applications to Robotic and Industrial Systems”, International Journal of Advanced Robotic Systems,
Vol. 8, No. 6, Special Issue Robot Manipulators, pp. 62–80, 2011.
(Rivera, 11) J. Rivera, L. Garcia, C. Mora, J. J. Raygoza & S. Ortega, “Super-twisting sliding mode in motion
control systems. Sliding mode control”, IntechOpen, pp. 237–254, 2011.
(Rkhissi, 17) Y. Rkhissi-Kammoun, J. Ghommam, M. Boukhnifer, & F. Mnif, “Rise-backstepping-based
robust control design for induction motor drives”, COMPEL - The International Journal for
Computation and Mathematics in Electrical and Electronic Engineering, Vol. 36, No. 4, pp. 906–937,
2017.
(Saad, 12) N. Saad & M. Arrofiq, “A PLC-based modified-fuzzy controller for PWM-driven induction
motor drive with constant V/Hz ratio control”, Robotics and Computer-Integrated Manufacturing,
Vol. 28, No. 2, pp. 95–112, 2012.
(Saghafinia, 15) A. Saghafinia, H. W. Ping, M. N. Uddin & K. S. Gaeid, “Adaptive Fuzzy Sliding-Mode Control
Into Chattering-Free IM Drive”, IEEE Transactions on Industry Applications, Vol. 51, No. 1,
pp. 692–701, 2015.
(Salloum, 07) G. Salloum, “Contribution à la commande robuste de la machine asynchrone a double
alimentation”, Thèse de Doctorat, Institut national polytechnique de Toulouse, France, 2007.
(Sami, 20) I. Sami, S. Ullah, A. Basit, N. Ullah & J. -S. Ro, “Integral Super Twisting Sliding Mode Based
Sensorless Predictive Torque Control of Induction Motor”, IEEE Access, Vol. 8, pp. 186740–186755, 2020.
(Sastri, 89) S. Sastri & M. Bodson, “Adaptive control, stability, convergence and robustness”, Prentice
Hall, Englewood Cliffs, Nj, USA, 1989.
(Schauder, 92) C. Schauder, “Adaptive speed identification for vector control of induction motors without
rotational transducers”, IEEE Transactions on Industry Applications, Vol. 28, No. 5, pp. 1054–1061, 1992.
(Shyu, 96) K-K. Shyu & H-J. Shieh, “A new switching surface sliding-mode speed control of induction
motor drive systems”, IEEE Transaction on Power Electronics, Vol. 11, No. 4, pp. 660–667, 1996.
(Siffat, 20) S. A. Siffat, I. Ahmad, A. Ur Rahman & Y. Islam, “Robust Integral Backstepping Control for
Unified Model of Hybrid Electric Vehicles”, IEEE Access, Vol. 8, pp. 49038–49052, 2020.
(Slotine, 86) J. J. E. Slotine, J.A. Coetsee, “Adaptive sliding controller synthesis for non-linear systems”,
International Journal of Control, Vol. 43, No. 6, pp. 1631–1651, 1986.
(Slotine, 87) J. J. E. Slotine, J. K. Hedrick & E. A. Misawa, “On sliding observers for nonlinear systems”,
ASME Journal of Dynamics Systems and Control, Vol. 109, No. 3, pp. 245–252, 1987.
(Slotine, 91) J. J. Slotine & W. Li, “Applied nonlinear control”, Prentice Hall, Englewood Cliffs, USA, 1991.
- 130 -
Bibliographie
(Smith, 13) A. Smith, S. Gadoue, M. Armstrong & J. Finch, “Improved method for the scalar control of
induction motor drives”, IET Electric Power Applications, Vol. 7, No. 6, pp. 487–498, 2013.
(Stoicuta, 09) O. Stoicuta & T. C. Pana, “Design and stability study of an induction motor vector control
system with extended rotor-flux and rotor-resistance Gopinath observer”, 8th International Symposium
on Advanced Electromechanical Motion Systems & Electric Drives Joint Symposium, Lille, 2009.
(Suetake, 11) M. Suetake, I. N. da Silva & A. Goedtel, “Embedded DSP-Based Compact Fuzzy System and Its
Application for Induction-Motor V/f Speed Control”, IEEE Transactions on Industrial Electronics,
Vol. 58, No. 3, pp. 750–760, 2011.
(Sul, 11) S.-K. Sul, “Control of Electric Machine Drive Systems”, Wiley-IEEE Press, February 2011.
(Sun, 11) F. Sun, X. Hu, Y. Zou & S. Li, “Adaptive unscented Kalman filtering for state of charge
estimation of a lithium-ion battery for electric vehicles”, Energy, Vol. 36, No. 5, pp. 3531–3540. 2011.
(Sun, 18) G. Sun, Z. Ma & J. Yu, “Discrete-Time Fractional Order Terminal Sliding Mode Tracking Control
for Linear Motor”, IEEE Transactions on Industrial Electronics, Vol. 65, No. 4, pp. 3386–3394, 2018.
(Sun, 19) C. Sun, G. Gong, H. Yang & F. Wang, “Fuzzy sliding mode control for synchronization of
multiple induction motors drive”, Transactions of the Institute of Measurement and Control, Vol. 41,
No. 11, pp. 3223–3234, 2019.
(Sun, 20) W. Sun, Z. Wang, D. Xu & B. Wang, “Robust Stability Improvement for Speed Sensorless
Induction Motor Drive at Low Speed Range by Virtual Voltage Injection”, IEEE Transactions on
Industrial Electronics, Vol. 67, No. 4, pp. 2642–2654, 2020.
(Szabat, 15) K. Szabat, T. Tran-Van & M. Kamiński, “A Modified Fuzzy Luenberger Observer for a Two-
Mass Drive System”, IEEE Transactions on Industrial Informatics, Vol. 11, No. 2, pp. 531–539, 2015.
(Takahashi, 86) I. Takahashi & T. Noguchi, “A New Quick-Response and High-Efficiency Control Strategy
of an Induction Motor”, IEEE Transactions on Industry Applications, Vol. IA-22, No. 5, pp. 820–827,
1986.
(Takahashi, 89) I. Takahashi & Y. Ohmori, “High-performance direct torque control of an induction
motor”, IEEE Transactions on Industry Applications, Vol. 25, No. 2, pp. 257–264, 1989.
(Tang, 13) Y. Tang, X. Zhang, D. Zhang, G. Zhao & X. Guan, “Fractional order sliding mode controller
design for antilock braking systems”, Neurocomputing, Vol. 111, pp. 122–130, 2013.
(Testa, 05) A. Testa, D. Triolo, A. Consoli, G. Scarcella & G. Scelba, “Sensorless Airgap Flux Position
Estimation by Injection of Orthogonal Stationary Signals”, 2005 IEEE 36th Power Electronics Specialists
Conference, Recife, 2005, pp. 1567-1573.
(Thongam, 07) J. S. Thongam, M. Ouhrouche, F. Haghgoeian & H. Ezzaidi, “Simultaneous Estimation of
Speed and Rotor Resistance in Sensorless Induction Motor Vector Controlled Drive”, International
Journal of Modelling and Simulation, Vol. 27, No. 4, pp. 369–378, 2007.
(Trabelsi, 10a) R. Trabelsi, A. Khedher, M. F. Mimouni & F. M’Sahli, “An Adaptive Backstepping
Observer for on-line rotor resistance adaptation”, International Journal on Sciences and Techniques of
Automatic control IJ-STA, Vol. 4, No. 1, pp.1246–1267, 2010.
(Trabelsi, 10b) R. Trabelsi, A. Kheder, M. F. Mimouni & F. M’sahli, “Sensorless speed and flux control
scheme for an Induction Motor with an adaptive backstepping observer”, 2010 7th International Multi-
Conference on Systems, Signals and Devices, Amman, Jordan, 2010.
(Trabelsi, 12) R. Trabelsi, A. Khedher, M. F. Mimouni, F. M’sahli, “Backstepping control for an induction
motor using an adaptive sliding rotor-flux observer”, Electric Power Systems Research, Vol. 93,
pp. 1–15, 2012.
(Traore, 08) D. Traore, “Commande non lineaire sans capteur de la machine asynchrone”, Thèse
de Doctorat, Ecole Centrale de Nantes, France, 2008.
- 131 -
Bibliographie
(Traore, 09) D. Traore, J. De Leon, A. Glumineau & L. Loron, “Adaptive interconnected observer for
sensorless induction motor”, International Journal of Control, Vol. 82, No. 9, pp. 1627–1640, 2009.
(Treangle, 18) C. Treangle, “Observateurs grand gain pour des systèmes non linéaires à sorties
échantillonnées et retardées”, Thèse de Doctorat, Normandie Université, France, 2018.
(Utkin, 09) V. Utkin, J. Guldner & J. Shi, “Sliding Mode Control in Electro-Mechanical Systems”, Taylor
& Francis, Boca Raton: CRC Press, 2nd Edition, USA, 2009.
(Utkin, 16) V. Utkin, “Discussion Aspects of High-Order Sliding Mode Control”, IEEE Transactions on
Automatic Control, Vol. 61, No. 3, pp. 829–833, 2016.
(Utkin, 77) V. Utkin, “Variable Structure Systems with Sliding Modes”, IEEE Transactions on Automatic
Control, Vol. 22, No. 2, pp. 212–222, 1977.
(Utkin, 78) V. Utkin, “Sliding Modes and their Applications in Variable Structure Systems”,
Mir Publishers, Moscow, 1978.
(Utkin, 92) V. Utkin, “Sliding mode in control and optimization”, Springer-Verlag, Berlin, 1992.
(Utkin, 93) V. Utkin, “Sliding mode control design principles and applications to electric drives”, IEEE
(Utkin, 96) V. Utkin & J. Shi, “Integral Sliding Mode in Systems Operating Under Uncertainty
Conditions”, Proceedings of the 35th IEEE CDC, Kobe, Japan, 1996, pp. 4591–4596.
(Utkin, 99) V. Utkin, J. Guldner & J. Shi, “Sliding Mode Control in Electromechanical Systems”, Taylor &
Francis, UK, 1999.
(Vas, 90) P. Vas, “Vector Control of AC Machines”, Oxford University Press, New-York, USA, 1990.
(Wang, 18) H. Wang, X. Ge & Y. Liu, “Second-Order Sliding-Mode MRAS Observer-Based Sensorless
Vector Control of Linear Induction Motor Drives for Medium-Low Speed Maglev Applications”, IEEE
(Wang, 19) Y. Wang, L. Zhou, S. A. Bortoff, A. Satake & S. Furutani, “An approximate high gain observer
for speed-sensorless estimation of induction motors”, IEEE/CAA Journal of Automatica Sinica, Vol. 6,
No. 1, pp. 53–63, 2019.
(Wong, 98) L. K. Wong, F. H. F. Leung & P. K. S. Tam, “Combination of sliding mode controller and PI
controller using fuzzy logic controller”, 1998 IEEE International Conference on Fuzzy Systems
Proceedings. IEEE World Congress on Computational Intelligence, Anchorage, USA, 1998, pp. 296–301.
(Wu, 98) Y. Wu, X. Yu & Z. Man, “Terminal sliding mode control design for uncertain dynamic
systems”, Systems & Control Letters, Vol. 34, No. 5, pp. 281–287, 1998.
(Xu, 18) D. Xu, B. Wang, G. Zhang, G. Wang & Y. Yu, “A review of sensorless control methods for AC
motor drives”, CES Transactions on Electrical Machines and Systems, Vol. 2, No. 1, pp. 104–115, 2018.
(Xu, 19) D. Xu, J. Huang, X. Su & P. Shi, “Adaptive command-filtered fuzzy backstepping control for
linear induction motor with unknown end effect”, Information Sciences, Vol. 477, pp. 118–131, 2019.
(Xu, 20) Z. Xu, S. X. Yang & S. A. Gadsden, “Enhanced Bioinspired Backstepping Control for a Mobile
Robot With Unscented Kalman Filter”, IEEE Access, Vol. 8, pp. 125899–125908, 2020.
(Yaichi, 09) I. Yaichi, A. Semmah, P. Wira, Y. Djeriri, “Super-twisting Sliding Mode Control of a Doubly-
fed Induction Generator Based on the SVM Strategy”, Periodica Polytechnica Electrical Engineering and
Computer Science, Vol. 63, No. 3, pp. 178–190. 2009.
(Yi, 13) B. Yi, L. Kang, K. Jiang & Y. Lin, “A two-stage Kalman filter for sensorless direct torque
controlled PM synchronous motor drive”, Mathematical Problems in Engineering, Vol. 2013,
Article ID 768736, 12 pages, 2013.
- 132 -
Bibliographie
(Yildiz, 20) R. Yildiz, M. Barut & E. Zerdali, “A Comprehensive Comparison of Extended and Unscented
Kalman Filters for Speed-Sensorless Control Applications of Induction Motors”, IEEE Transactions on
Industrial Informatics, Vol. 16, No. 10, pp. 6423–6432, 2020.
(Yoon, 10) Y. Yoon & S. Sul, “Sensorless control for induction machines using square-wave voltage
injection”, 2010 IEEE Energy Conversion Congress and Exposition, Atlanta, GA, 2010, pp. 3147–3152.
(You, 18) J. You, W. Wu & Y. Wang, “An Adaptive Luenberger Observer for Speed-Sensorless
Estimation of Induction Machines”, 2018 Annual American Control Conference (ACC), Milwaukee, WI,
2018, pp. 307–312.
(Yu, 16) S. Yu, K. Emami, T. Fernando, H. H. C. Iu & K. P. Wong, “State Estimation of Doubly Fed
Induction Generator Wind Turbine in Complex Power Systems”, IEEE Transactions on Power Systems,
Vol. 31, No. 6, pp. 4935–4944, 2016.
(Zaafouri, 16) A. Zaafouri, C. Ben Regaya, H. Ben Azza & A. Châari, “DSP-based adaptive backstepping
using the tracking errors for high-performance sensorless speed control of induction motor drive”, ISA
Transactions, Vol. 60, pp. 333–347, 2016.
(Zadeh, 65) L.A. Zadeh, “Fuzzy sets”, Information and Control, Vol. 8, No. 3, pp. 338-353, 1965.
(Zaihidee, 19) F. M. Zaihidee, S. Mekhilef & M. Mubin, “Application of Fractional Order Sliding Mode
Control for Speed Control of Permanent Magnet Synchronous Motor”, IEEE Access, Vol. 7,
pp. 101765–101774, 2019.
(Zaky, 18) M. S. Zaky, M. K. Metwaly, H. Z. Azazi & S. A. Deraz, “A New Adaptive SMO for Speed
Estimation of Sensorless Induction Motor Drives at Zero and Very Low Frequencies”, IEEE Transactions
on Industrial Electronics, Vol. 65, No. 9, pp. 6901–6911, 2018.
(Zhang, 10) Z. Zhang, R. Tang, B. Bai & D. Xie, “Novel Direct Torque Control Based on Space Vector
Modulation With Adaptive Stator Flux Observer for Induction Motors”, IEEE Transactions on
Magnetics, Vol. 46, No. 8, pp. 3133–3136, 2010.
(Zhang, 12) B. Zhang, Y. Pi & Y. Luo, “Fractional order sliding-mode control based on parameters auto-
tuning for velocity control of permanent magnet synchronous motor”, ISA Transactions, Vol. 51, No. 5,
pp. 649–656, 2012.
(Zhang, 19) L. Zhang, H. Obeid, S. Laghrouche & M. Cirrincione, “Second order sliding mode observer of
linear induction motor”, IET Electric Power Applications, Vol. 13, No. 1, pp. 38–47, 2019.
(Zhang, 20) Y. Zhang, Z. Yin, Y. Zhang, J. Liu & X. Tong, “A Novel Sliding Mode Observer With Optimized
Constant Rate Reaching Law for Sensorless Control of Induction Motor”, IEEE Transactions on
(Zhao, 14) L. Zhao, J. Huang, H. Liu, B. Li & W. Kong, “Second-Order Sliding-Mode Observer With
Online Parameter Identification for Sensorless Induction Motor Drives”, IEEE Transactions on
(Zheng, 08) Z. Zheng, “Commande à haute performance et sans capteur mécanique du moteur synchrone
à aimants permanents”, Thèse de Doctorat, Institut national polytechnique de Toulouse - France /
Universite de Tsinghua - Chine, 2008.
(Zidani, 06) F. Zidani, D. Diallo, M. E. H. Benbouzid & R. Nait-Said, “Direct torque control of induction
motor with fuzzy stator resistance adaptation”, IEEE Transactions on Energy Conversion, Vol. 21, No. 2,
pp. 619–621, 2006.
(Zorgani, 16) Y. A. Zorgani, Y. Koubaa & M. Boussak, “MRAS state estimator for speed sensorless ISFOC
induction motor drives with Luenberger load torque estimation”, ISA Transactions, Vol. 61,
pp. 308–317, 2016.
- 133 -
Résumé : Le travail présenté dans cette thèse vise à apporter une contribution à la commande non linéaire des
moteurs asynchrones triphasés avec et sans un capteur mécanique. De ce fait, plusieurs techniques ont été
développées et vérifiées soit par simulation, soit par une validation expérimentale sur un banc d’essai équipé
d’une carte dSPACE-RTI-1104. La commande vectorielle indirecte avec orientation du flux rotorique a été
adoptée comme structure de base pour la régulation de la vitesse et du courant. L’optimisation du contrôle global
sera assurée en utilisant deux variantes des stratégies de commande. La première s’agit du contrôle hybride
permettant la combinaison de plusieurs régulateurs en même temps par l’intermédiaire d’un superviseur de
régulation. Alors que la deuxième stratégie représente une version avancée du contrôle Backstepping avec action
intégrale, la propriété des gains variables a été incorporée dans les différents régulateurs non linéaires afin
d’assurer un contrôle optimal du moteur même pour des vitesses très faibles. Dans une deuxième partie aussi
importante que la première, l’observation de la vitesse et l’estimation des différentes grandeurs inaccessibles de
la machine ont constitué un objectif majeur de ce mémoire. Un observateur linéaire interconnecté a été développé
pour assurer une estimation simultanée des différentes résistances des enroulements. Tandis que la commande
sans capteur a été réalisée à travers plusieurs approches déterministes et stochastiques comme l’observateur
adaptatif flou, les observateurs basés sur la théorie du mode glissant, et l’estimation via le filtre de Kalman
étendu. Suite à un examen approfondi des performances générées par le contrôle sans capteur en boucle fermée,
une étude comparative permettra d’évaluer les avantages et les inconvénients de chaque technique étudiée.
‫ ��ﺪف اﻟﻌﻤﻞ اﳌﻘﺪم �� هﺬﻩ اﻷﻃﺮوﺣﺔ إ�� اﳌﺴﺎهﻤﺔ �� اﻟﺘﺤﻜﻢ اﻟﻐ�� ﺧﻄﻲ ﻟﻠﻤﺤﺮ�ﺎت اﻟﻐ�� ﻣ��اﻣﻨﺔ ﺛﻼﺛﻴﺔ اﻟﻄﻮر �� ﻇﻞ وﺟﻮد أو ﻏﻴﺎب‬: ‫ﻣ�خﺺ‬
��‫ ﺗﻢ ﺗﻄﻮ�ﺮ اﻟﻌﺪﻳﺪ ﻣﻦ اﻟﺘﻘﻨﻴﺎت واﻟﺘﺤﻘﻖ ﻣ��ﺎ ّإﻣﺎ ﻋﻦ ﻃﺮ�ﻖ ا�حﺎ�ﺎة أو ﻋﻦ ﻃﺮ�ﻖ اﻟﺘﺠﺮ�ﺔ اﻟﺘﻄﺒﻴﻘﻴﺔ ﻋ‬،‫ ﻣﻦ أﺟﻞ ذﻟﻚ‬.‫اﳌﺴتﺸﻌﺮ اﳌﻴ�ﺎﻧﻴ�ﻲ‬
َ ‫اﻟﺸﻌﺎ�� اﻟﻐ�� ﻣﺒﺎﺷﺮ ﺑﺘﻮﺟﻴﮫ اﻟﺘﺪﻓﻖ اﳌﻐﻨﺎﻃي��ي ﻟ�جﺰء‬ ُ َ ‫ﻣﻨﺼﺔ ِاﺧﺘﺒﺎر‬
‫اﻟﺪ ّوار‬ ‫ﺗﻢ اﻋﺘﻤﺎد اﻟﺘﺤﻜﻢ‬ ّ .dSPACE-RTI-1104 ‫ﻣﺠ َهﺰة ﺑﺒﻄﺎﻗﺔ‬
َ
‫ �� ﺣ�ن أﻧﮫ ﺳيﺘﻢ ﺗﺤﺴ�ن اﻟﺘﺤﻜﻢ �ﺸ�ﻞ ﻋﺎم ﻋﻦ ﻃﺮ�ﻖ اﻋﺘﻤﺎد ﻧ َﻤﻄ�ن‬،‫ﻛﺘﻘﻨﻴﺔ أﺳﺎﺳﻴﺔ ﻟﻠﺘﺤﻜﻢ �� ﺳﺮﻋﺔ اﻟﺪوران وﺗﻨﻈﻴﻢ اﻟﺘﻴﺎر اﻟﻜهﺮ�ﺎئﻲ‬
‫ﻨﻈﻤ�ن ﻣﺨﺘﻠﻔ�ن أو أﻛ�� ﻧﻔﺲ اﻟﻮﻗﺖ ﻣﻦ ﺧﻼل‬ ْ ‫ ﻳﺘﻤﺜﻞ اﻟﻨﻮع اﻷول �� اﻟﺘﺤﻜﻢ اﻟ�ج�ن اﻟﺬي �ﺴﻤﺢ ﺑﺪﻣﺞ ُﻣ‬.‫ﻣﺨﺘﻠﻔ�ن ﻣﻦ اﺳ��اﺗﻴﺠﻴﺎت اﻟﺘﺤﻜﻢ‬
ُ ُ ْ
‫ ﺳيﺘﻢ دﻣﺞ ﺧﺎﺻﻴﺔ اﳌ َﻌ ِﺎﻣﻼت‬،‫ ﺑيﻨﻤﺎ ﺗﻤ ِﺜ ُﻞ اﻻﺳ��اﺗﻴﺠﻴﺔ اﻟﺜﺎﻧﻴﺔ ��خﺔ ﻣﺘﻘﺪﻣﺔ ﻣﻦ اﻟﺘﺤﻜﻢ اﻟﺮﺟ�� ذو اﻹﺟﺮاء اﳌﺘ�ﺎﻣﻞ‬،‫ُﻣﺸﺮف ﺗﺤﻜﻢ ﺧﺎص‬
ُ
‫ﺟﺰء ﺛﺎ�ﻲ ﻻ ﻳﻘﻞ‬ٍ ��‫ و‬.‫اﳌﺘﻐ��ة �� ﻣﺨﺘﻠﻒ ﺧﻄﻮات اﻟﺘﻨﻈﻴﻢ اﻟﻐ�� ﺧﻄﻲ ﻟﻀﻤﺎن اﻟﺘﺤﻜﻢ اﻷﻣﺜﻞ �� ا�حﺮك ﺣ�ى ﻋﻨﺪ اﻟﺴﺮﻋﺎت ﺷﺪﻳﺪة اﻻﻧﺨﻔﺎض‬
ً ً ّ ً
‫ ﺣﻴﺚ ﺗﻢ ﺗﻄﻮ�ﺮ‬،‫رﺋيﺴﻴﺎ ﻟهﺬﻩ اﻷﻃﺮوﺣﺔ‬ ‫ﻟﻠﻤﺤﺮك هﺪﻓﺎ‬
ِ ‫اﻟﻜﻤﻴﺎت ا�خﺘﻠﻔﺔ اﻟ�ي ﻳﺘﻌﺬ ُر اﻟﻮﺻﻮل إﻟ��ﺎ‬
ِ ‫ �ﺎﻧﺖ ﻣﺮاﻗﺒﺔ اﻟﺴﺮﻋﺔ وﺗﻘﺪﻳﺮ‬،‫أهﻤﻴﺔ ﻋﻦ اﻷول‬
‫ ﺑيﻨﻤﺎ ﺗﻢ ﺗﺤﻘﻴﻖ اﻟﺘﺤﻜﻢ ﺑﺪون ﻣﺴتﺸﻌﺮ ﻟﻠﺴﺮﻋﺔ ﻣﻦ‬.‫ﻣﻘﺎو َﻣﺎت اﻷﻟﺔ اﻟﻜهﺮ�ﺎﺋﻴﺔ‬ َ ‫ﻣﺮاﻗﺐ ﺧﻄﻲ ﻣ��اﺑﻂ ﻗﺎدر ﻋ�� ﺿﻤﺎن ﺗﻘﺪﻳﺮ ﻣ��اﻣﻦ �خﺘﻠﻒ‬
‫ واﻟﺘﻘﺪﻳﺮ‬،‫ اﻟﺘﻘﻨﻴﺎت اﻟﻘﺎﺋﻤﺔ ﻋ�� أﺳﺎس ﻧ�ج وﺿﻊ اﻻﻧﺰﻻق‬،‫ﺧﻼل اﻟﻌﺪﻳﺪ ﻣﻦ اﻷﺳﺎﻟﻴﺐ ا�حﺘﻤﻴﺔ واﻟﻌﺸﻮاﺋﻴﺔ ﻣﺜﻞ اﳌﺮاﻗﺐ اﻟﻀﺒﺎ�ﻲ اﻟﺘﻜﻴﻔﻲ‬
‫ ﺣﻴﺚ أن اﻟﻨﺘﺎﺋﺞ‬،‫ﻛﻔﺎءة �ﻞ ﻃﺮ�ﻘﺔ ﻓﻴﻤﺎ ﻳﺘﻌﻠﻖ ﺑﺄداء اﻟﺘﺤﻜﻢ �� ا�حﻠﻘﺔ اﳌﻐﻠﻘﺔ ﺑﺪون ﻻﻗﻂ ﺳﺮﻋﺔ‬ َ ‫ ﺗﻢ دراﺳﺔ وﺗﺤﻠﻴﻞ‬.‫ﺑﻮاﺳﻄﺔ ﻣﺮ�ح �ﺎﳌﺎن اﳌﻤﺘﺪ‬
.‫اﻟ�ي ﺗﻢ ا�حﺼﻮل ﻋﻠ��ﺎ ﺳﺘ�ﻮن ﺑﻤﺜﺎﺑﺔ أﺳﺎس ﻟﺪراﺳﺔ ﻣﻘﺎرﻧﺔ اﻟ�ي ﻣﻦ ﺧﻼﻟهﺎ ﻳﻤﻜﻦ ﺗﻘﻴﻴﻢ ﻣﺰاﻳﺎ وﻋﻴﻮب �ﻞ ﺗﻘﻨﻴﺔ ﺗﻤﺖ دراﺳ��ﺎ‬
Abstract : This work aims at contributing to the literature on the nonlinear control of three-phase induction
motors with and without mechanical sensors. Several techniques were developed and verified either by
simulation or by experimental validation using a test bench equipped with a dSPACE-RTI-1104 card. The indirect
vector control with rotor flux orientation was adopted as a primary strategy for speed and current regulation.
The optimization of global control was improved using two types of control strategies. The first one consisted in
a hybrid control that allowed the combination of several regulators simultaneously through a regulation
supervisor. The second strategy consisted in an advanced version of the Integral-Backstepping control, the
variable gains property being incorporated into the various nonlinear regulators to ensure optimal control of
quantities even at very low speed levels. In a second equally important part, speed observation and the estimation
of the machine’s different inaccessible quantities were taken as significant objectives for this thesis.
An interconnected linear observer was developed to ensure the simultaneous estimation of machine resistances,
while sensorless control was achieved through several deterministic and stochastic approaches such as the fuzzy-
adaptive observer, observers based on sliding mode theory and estimation via extended Kalman filters.
The effectiveness of each method in relation to the performance of closed-loop sensorless control was carefully
studied and analyzed. Subsequently, the obtained results served as a basis for a comparative study in which the
advantages and disadvantages of each technique studied were assessed.

B Aichi Thése Contribution À L Optimisation de La Commande Non Linéaire Des MAS

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

B Aichi Thése Contribution À L Optimisation de La Commande Non Linéaire Des MAS

Transféré par

Droits d'auteur :

Formats disponibles

République Algérienne Démocratique et Populaire

Ministère de l’Enseignement Supérieur et de

Faculté de Génie Électrique

Contribution à l’optimisation de la commande non linéaire des

Thèse soutenue publiquement le 12/07/2021 devant le jury composé de :

Président : Benouzza Noureddine Professeur, USTO – MB

Directeur de thèse : Kendouci Khedidja Maître de conférences ‘A’, USTO – MB

Examinateurs : Bendjebbar Mokhtar Professeur, USTO – MB

: ‫اﳌﺴﺎهﻤﺔ �� ﺗﺤﺴ�ن اﻟﺘﺤﻜﻢ اﻟﻐ��ا�خﻄﻲ ﻟﻠﻤﺤﺮ�ﺎت اﻟﻐ��ﻣ��اﻣﻨﺔ ﺛﻼﺛﻴﺔ اﻟﻄﻮر‬

Contributions et travaux scientifiques :

CHAPITRE I : État de l’art des stratégies de commande et d’observation

CHAPITRE II : Commandes non linéaires appliquées pour le contrôle

2.3 - Résultats expérimentaux ....................................................................................................................... 24

CHAPITRE III : Estimation simultanée des résistances du stator et du rotor

2.1 - Observation de la résistance rotorique ................................................................................................ 61

CHAPITRE IV : Techniques avancées pour l’observation de vitesse

EKF : Filtre de Kalman étendu. 𝑺𝑺 , 𝓢𝓢 : Surfaces de glissement destinées à la

𝛕𝛕𝐬𝐬 : Constantes de temps statorique. 𝑻𝑻𝒆𝒆 : Période d’échantillonnage.

𝛕𝛕𝐫𝐫 : Constantes de temps rotorique.

1 - Techniques de commande des moteurs asynchrones triphasés

1.1 - Commande scalaire �V⁄f �

V/ f = Constant Onduleur MLI Moteur à induction

1.2 - Commande vectorielle (FOC)

1.3 - Commande directe du couple (DTC)

Comparateurs à hystérésis Table de sélection Onduleur Moteur à induction

𝜓𝜓𝑠𝑠 (𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒é) Tensions et courants

Couple de référence Régulation de Vitesse de rotation

1.4 - Commande Backstepping

2 - Techniques d’optimisation de la commande des moteurs asynchrones

2.1 - Contrôle basé sur l’intelligence artificielle

2.2 - Contrôle par mode glissant

2.3 - Contrôle par la méthode de Lyapunov

2.4 - Régulation hybride

3 - Méthodes d’estimation pour la commande sans capteur mécanique

3.1 - Estimation en boucle ouverte

3.2 - Observateur de Luenberger

3.3 - Système adaptatif à modèle de référence (MRAS)

3.4 - Observateur à grand gain

3.5 - Observateur mode glissant

3.6 - Observateur Backstepping

3.7 - Filtre de Kalman

3.8 - Estimation par l’injection des signaux à haute fréquence

4 - Positionnement des problèmes à traiter

1 - Modèle mathématique du moteur asynchrone triphasé

l’utilisation de la transformation de Park sous certaines hypothèses simplificatrices, aide à modéliser

2 - Commande vectorielle par orientation du flux rotorique (IFOC)

Cette représentation simplifie considérablement les équations électromagnétiques et mécaniques du moteur

2.1 - Principe de fonctionnement de la commande à flux rotorique orienté

2.2 - Paramétrage des régulateurs

2.2.1 - Régulations classiques de la vitesse

2.2.1.1 - Régulation Proportionnelle-Intégrale (PI)

La fonction de transfert en boucle fermée est exprimée par l’équation (II.5).

« ξ » et « ω0 » sont respectivement le facteur d’amortissement et la pulsation propre relatifs à la réponse

2.2.1.2 - Régulation Intégrale-Proportionnelle (IP)

Contrairement au régulateur PI qui introduit un zéro supplémentaire en boucle fermée, la configuration

2.2.1.3 - Régulation Proportionnelle-Intégrale avec Anti-Windup ( PIAW )

Figure II.4 : Structure du contrôle de la vitesse par un régulateur PI Anti-Windup

2.2.2 - Régulation classique du courant

𝑖𝑖𝑑𝑑𝑑𝑑 (𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓é𝑠𝑠) 1 𝑖𝑖𝑑𝑑𝑑𝑑

Figure II.5 : Schéma-bloc de la boucle de régulation des courants

2.3 - Résultats expérimentaux

2.3.1 - Analyse de fonctionnement des régulateurs conventionnels

Couple de commande (N.m)